DBSCAN集羣簇（sklearn python）

Question

我有不同類別的元素需要分別聚類（根據它們的類別），然後全部聚合在一起。 每個元素都有一個位置（緯度，經度）。

我的目標是確定簇的簇（不同種類的基團）等在下面的圖片（在同一類別中不同元素的基團）： http://i.imgur.com/V5Dovcf.png

在我的情況兩個元件之間的距離，該距離應該包含在一個簇中的距離與兩簇簇之間的距離相同。 例如在藍色羣集的圖片中。由於此藍色羣集中的所有元素最多（距離羣集的任何元素）的距離最大爲d，因此它們屬於藍色羣集。它是紅色的集羣一樣，我們包括由d的距離最多

分離的元素對於DBSCAN我可以很容易地找到所有這些要素的集羣，如果我輸入的所有元素一起提供。如果我想查找每個類別的集羣，那麼我將不得不提供僅作爲輸入的不同類別並逐個運行DBSCAN。但我想應該比運行多次DBSCAN要快得多，以獲得這些羣集羣

Answer 1

爲什麼你認爲將你想分開的類別混合會更快？

首先執行廉價操作，例如分割數據集。然後獨立處理每個分區。

據我所知，scipy無法加速大地測量距離。所以你將不得不做O（n^2）距離計算。如果你有10個類別，如果你可以將它分成這樣的分區，並且運行DBSCAN 10次，你的問題得到的速度會快10倍，因爲每次運行的價格要便宜10^2！

Answer 2

在我看來，這裏的主要問題是由於數據的多重表示或分層性質（類別中的類別和簇）。通常，如果距離基於奇異維度，則可以將兩個維度（例如，羣集距離和類別距離）杵狀，以形成新的單一維度，其中數據表示變得更簡單。可能this有幫助嗎？

一些材料，我發現可能會有所幫助：

• This紙
• This論文工作