Machine learning DBSCAN使用空间和时间数据

我正在查看具有lat、lng和事件日期/时间的数据点。我在研究集群算法时遇到的一个算法是DBSCAN。虽然它在lat和lng集群中工作正常，但我担心的是，当合并时间信息时，它会崩溃，因为它不具有相同的规模或相同的距离类型

---

将时间数据合并到DBSCAN算法中有哪些选项？

tl；dr您必须修改功能集，即缩放日期/时间以匹配地理数据的大小

DBSCAN的输入只是一个向量，而算法本身并不知道一个维度（时间）比另一个维度（距离）大或小几个数量级。因此，在计算数据点的密度时，缩放比例的差异会将其搞砸

现在我想您可以修改算法本身，以区别对待不同的维度。这可以通过更改两点之间“距离”的定义来实现，即提供自己的距离函数，而不是使用默认的欧几里德距离

然而，依我看，更容易的事情是调整你的一个维度以匹配另一个维度。只需将时间值乘以一个固定的线性因子，使其与地理值的数量级相同，就可以了

---

更一般地说，这是特征选择过程的一部分，这可以说是解决任何机器学习算法的最重要部分。选择正确的功能，并正确地转换它们，您就可以找到解决方案了。

查找同一作者的广义DBSCAN

桑德，Jörg；艾斯特，马丁；克里格尔,汉斯·彼得,；徐晓伟（1998）。空间数据库中基于密度的聚类：算法GDBSCAN及其应用。数据挖掘与知识发现（柏林：Springer Verlag）2（2）：169–194。doi:10.1023/A:1009745219419

对于（通用）DBSCAN，您需要两个函数：

findNeighbors-从数据库中获取所有“相关”对象

corePoint-确定此集合是否足以启动群集

然后，您可以反复查找邻居以增长集群

---

函数1是您想要连接的地方，例如，通过使用两个阈值：一个是地理阈值，另一个是时间阈值（即100英里内和1小时内）。

DBSCAN不需要矢量形式的数据。@Anony mouse您的意思是什么？否则您将如何表示数据？矩阵、张量、非结构化文本（不在tf idf VSM中）。DBSCAN的输入数据没有限制。@Anony Mouse谢谢。我一直认为DBSCAN可以计算n维空间中点的密度，因此只接受向量。你有没有把非结构化文本作为输入的例子？代码、文件等？这就是我自己使用DBSCAN的原因。也许在我回答这个问题的参考文献中。ST-DBSCAN是另一种似乎能够处理时态数据的算法。看起来它的工作方式类似（设置两个阈值）。我的问题也与上面的问题类似，我的数据集包括GPS坐标，每个lat/long值都有时间戳。ELKI中有五个邻域函数（当我选择GDBScan时）：epsiloneighborpredicate、copacnextorpredicate、ericnnextorpredicate、FourCNeighborPredicate、predeconnextorpredicate。但我不确定该用哪一个。有什么建议吗？定义你自己的，按照你想适应的位置来适应位置，按照你想适应的时间来适应时间。我想知道数据的缩放（或标准化），包括将时间转换为“X后的秒数”vector不应该能够正确地做到这一点吗？它更有意义，而且是可用的，并且是直接的，很容易定义两个阈值：最多10英里远，最多相隔1天。而不是通过缩放将事物混入欧几里德空间，最终得到一个类似于

a*distance^2+b*timedelta^2<100^2

的逻辑。