python dbscan 如何确定eps参数_浅析DBSCAN算法中参数设置问题的研究

侯雄文

摘 要 传统的DBSCAN密度聚类算法，需要人为设置邻域阈值(Eps)和点数阈值(minPts)2个参数来对数据集进行聚类，由于minPts和Eps具有全局性，使得DBSCAN算法对参数很敏感， 特别是分布不均匀的数据集。针对DBSCAN算法中这一问题，本文研究改进的算法通过对数据点的k最近点平均距离进行分析，根据其统计特性动态地确定minPts和多个Eps值，然后根据所求得的多组(minPts， Eps)值依次对数据集进行聚类，从而达到自适应设置参数的目的。

关键词 聚类算法 自适应 参数

中图分类号：TP31 文献标识码：A

聚类算法是数据挖掘、模式识别等研究中的一项重要技术。聚类的目的是把数据集分成若干类或簇，使得同一个类中的元素相似性较大，不同类中的元素相似性较小。其中，有多种方法来确定DBSCAN的两个阈值参数Eps和minPts。对于minPts的确定，在数据点不多的情况下，minPts在二维空间中的聚类中一般取4. 另外取数据集合的1/25作为minPts的值也是一种比较有效的方法。

本文针对密度分布不均匀的数据集的minPts和Eps的取值问题，提出了一种新的改进的基于k最近点平均距离的(DBSCAN based on K Nearest Average Distance， KNA-DBSCAN)聚类算法，该算法通过对数据点的k最近点平均距离的统计特性进行分析，自动的确定minPts和多个Eps参数，使其可以对密度分布不均匀的数据集进行聚类。

1 DBSCAN算法

DBSCAN算法是基于中心的密度聚类算法，相关概念如下：

定义1 数据点的Eps邻域：数据集D中任意数据点P，P的邻域Eps(