Python 大型数据集上的DBSCAN实现（百万行）

因此，我将kmeans应用于一个大型数据集，我必须对其进行聚类，得到的聚类结果如下

但我没有处理异常值，我想我想在相同的数据上实现dbscan算法，看看它是如何工作的，但问题是我需要有

epsilon

和

min\u样本的最佳值。因此，我采用了使用最近邻法寻找最优ε的方法，但得到的图如下所示

获得最佳ε的弯头方法：


所以现在我找不到我的最佳epsilon值和
min_samples
值，我实际上希望它是3个簇用于我的分析，所以我尝试了一些epsilon和
min_samples
的值，以及
epsilon=0.000001
和
min_samples=2000
，我估计集群的数量为3，但当我可视化集群时，它没有任何意义。图片如下：


我为dbscan编写的代码如下


如果有人想查看完整的文件，请点击这里的colab文件链接。
请将代码作为
格式文本发布，而不是图像