我已经寻找这个问题的答案有一段时间了，所以我希望有人能帮助我。我正在使用R中fpc库中的dbscan。例如，我正在查看USArrests数据集，并按如下方式使用dbscan：
library(fpc)
ds <- dbscan(USArrests,eps=20)
选择 minPts 没有通用的方法，这取决于您想要找到什么。较低的 minPts 意味着将从噪声中构建更多聚类，因此不要选择太小。
对于 epsilon，有各种方面。它再次归结为选择在 此 数据集和 此 minPts 和 此 距离函数以及 此 归一化上起作用的内容。您可以尝试做一个 knn 距离直方图，并选择一个“拐点”，但可能没有明显的拐点或者有多个拐点。
OPTICS 是 DBSCAN 的后继者，它不需要 epsilon 参数（除了使用索引支持的性能原因，请参见维基百科）。它很好，但我认为在 R 中实现它会很麻烦，因为它需要高级数据结构（理想情况下，加速使用的数据索引树和优先级队列的可更新堆），而 R 都是关于矩阵操作的。
朴素地说，可以将 OPTICS 想象为同时处理所有 Epsilon 值，并将结果放入聚类层次结构中。
然而，无论您要使用任何聚类算法，首先需要检查的第一件事是确保您具有有用的距离函数和适当的数据归一化。如果您的距离退化，则没有聚类算法能正常工作。
MinPts
正如Anony-Mousse所解释的那样，'较低的minPts意味着它将从噪声中构建更多的簇，因此不要选择太小.'。
对于最佳的minPts值需要由了解数据的领域专家进行设置。不幸的是，在许多情况下，我们并不了解领域知识，特别是在规范化数据之后。一种启发式方法是使用ln(n)，其中n是要聚类的总点数。
Epsilon
确定epsilon有几种方法:
1) k-距离图
在具有minPts = k的聚类中，我们期望核心点和边界点的k-距离在一定范围内，而噪声点可以具有更大的k-距离，因此我们可以在k-距离图中观察到一个拐点。但是，有时可能没有明显的拐点，或者可能有多个拐点，这使得决定变得困难
2) DBSCAN扩展，例如OPTICS
OPTICS生成分层聚类，我们可以通过视觉检查从分层聚类中提取显着的平坦聚类，Python模块pyclustering中提供了OPTICS实现。 DBSCAN和OPTICS的一个原始作者还提出了一种自动提取平坦聚类的方法，不需要人为干预，有关更多信息可以阅读这篇论文。
3) 敏感性分析
基本上，我们希望选择一个半径，它能够更真实地聚类更加规则的点（与其他点相似的点），同时检测出更多的噪声（离群点）。我们可以绘制一个正常点百分比（属于一个聚类的点） VS. epsilon分析图，其中我们设置不同的epsilon值作为x轴，它们对应的百分之正常点数作为y轴，希望我们能发现一个段落，其中正常点百分比值对epsilon值更敏感，我们将选择上限epsilon值作为我们的最佳参数。
关于选择参数的详细信息，请参见下面第11页的论文:
Schubert, E., Sander, J., Ester, M., Kriegel, H. P., & Xu, X. (2017). DBSCAN revisited, revisited: why and how you should (still) use DBSCAN. ACM Transactions on Database Systems (TODS), 42(3), 19.
- 对于二维数据：使用默认值minPts=4（Ester等人，1996年）
- 对于多于2个维度的数据：minPts=2*dim（Sander等人，1998年）
一旦您知道选择哪个MinPts，就可以确定Epsilon：
- 以k=minPts绘制k距离图（Ester等人，1996年）
- 找到图中的“拐点”--> k距离值即为您的Epsilon值。
管理DBSCAN的epsilon参数的一种常见且流行的方法是计算数据集的k距离图。基本上，您计算每个数据点的k个最近邻（k-NN），以了解不同k下数据的密度分布情况。 KNN 很方便，因为它是一种非参数方法。一旦选择了minPTS（这强烈取决于您的数据），则将k固定为该值。然后使用k距离图的面积（对于固定的 k 值）具有低斜率的 k 距离作为 epsilon。
# Establish search parameters.
k <- c(25, 50, 100, 200, 500, 1000)
eps <- c(0.001, 0.01, 0.02, 0.05, 0.1, 0.2)
# Perform grid search.
grid <- expand.grid(k = k, eps = eps)
results <- mapply(grid$k, grid$eps, FUN = function(k, eps) {
cluster <- dbscan(data, minPts = k, eps = eps)$cluster
sum <- table(cluster)
cat(c("k =", k, "; eps =", eps, ";", sum, "\n"))
})
它提供了如何找到epsilon的详细说明。但是对于MinPts...并没有那么多的解释。
data.frame，可能是R中使用最广泛的数据结构，并不是矩阵而是列表）。出于性能原因，实现时可能会使用Rcpp。 - Ari B. FriedmanfpcDBSCAN 比其他实现方式慢了 10 倍。只有 Weka 更差（慢了另外的 8 倍）。 - Has QUIT--Anony-Mousse