Python 我们可以假设距离是标准化的吗_Python_Scikit Learn_Cluster Analysis_Dbscan_Hyperparameters

Python 我们可以假设距离是标准化的吗

python scikit-learn

Python 我们可以假设距离是标准化的吗,python,scikit-learn,cluster-analysis,dbscan,hyperparameters,Python,Scikit Learn,Cluster Analysis,Dbscan,Hyperparameters,我正在学习DBSCAN，显然最重要的超参数是eps，来自sklearn文档：每股收益浮动，默认值=0.5 两个样本之间的最大距离，其中一个样本被视为在另一个样本的邻域中这不是簇内点距离的最大界限这是为数据集和距离函数选择的最重要的DBSCAN参数我注意到数字0.5实际上并不代表我们数据的距离范围，换句话说，如果我使用从1到100的距离，如果我将这些距离放大一倍x100，它还会以同样的方式工作吗？还是按x10的比例缩小？或者该参数应该用于标准化距离（max_distance=1）

我正在学习DBSCAN，显然最重要的超参数是eps，来自sklearn文档：

每股收益浮动，默认值=0.5

两个样本之间的最大距离，其中一个样本被视为在另一个样本的邻域中
这不是簇内点距离的最大界限
这是为数据集和距离函数选择的最重要的DBSCAN参数

我注意到数字0.5实际上并不代表我们数据的距离范围，换句话说，如果我使用从1到100的距离，如果我将这些距离放大一倍x100，它还会以同样的方式工作吗？还是按x10的比例缩小？或者该参数应该用于标准化距离（

max_distance=1

）