DBSCAN聚类结果异常：部分预期聚类点被识别为噪声，如何调参？

我实现了一个针对简单点数组的DBSCAN聚类代码，但结果不符合预期。

代码 #

from pandas import DataFrame
import matplotlib.pyplot as plt
import matplotlib
from sklearn.cluster import DBSCAN

x1 = [[10.0, 1.0], [10.0, 2.0], [10.0, 10.0], [10.0, 10.0], [10.0, 23.0], [10.0, 22.0]]
x2 = [[20.0, 2.0], [20.0, 15.0], [20.0, 26.0], [20.0, 13.0], [20.0, 32.0], [20.0, 35.0]]
x3 = [[30.0, 25.0], [30.0, 28.0], [30.0, 17.0], [30.0, 16.0], [30.0, 15.0], [30.0, 38.0]]
x4 = [[40.0, 1.0], [40.0, 2.0], [40.0, 16.0], [40.0, 41.0], [40.0, 40.0], [40.0, 39.0]]
x5 = [[60.0, 1.0], [60.0, 10.0], [60.0, 12.0], [60.0, 32.0], [60.0, 33.0], [60.0, 50.0]]

df1 = DataFrame(data= x1) 
df2 = DataFrame(data= x2)
df3 = DataFrame(data= x3)
df4 = DataFrame(data= x4)
df5 = DataFrame(data= x5)

data = df5

dbscan_opt=DBSCAN(eps=1,min_samples=2)
dbscan_opt.fit(data[[0,1]])
data['DBSCAN_opt_labels']=dbscan_opt.labels_
data['DBSCAN_opt_labels'].value_counts()

# Plotting the resulting clusters
colors=['purple','red','blue','green']
plt.figure(figsize=(6,6))
plt.scatter(data[0],data[1],c=data['DBSCAN_opt_labels'],cmap=matplotlib.colors.ListedColormap(colors),s=60)
plt.title('DBSCAN Clustering',fontsize=20)
plt.xlabel('Feature 1',fontsize=14)
plt.ylabel('Feature 2',fontsize=14)
plt.show()

结果说明 #

运行后，红圈标注的点被识别为噪声点，但这些点我预期应该归为聚类。需要调整DBSCAN参数以正确识别这些聚类。

问题核心是DBSCAN的eps参数设置过小，导致相邻的目标点不在邻域范围内，结合min_samples的要求被判定为噪声。具体调整方案如下：

1. 调整eps参数 #

观察x5数据：

• 点[60.0,10.0]和[60.0,12.0]的欧氏距离为2，当前eps=1的阈值无法覆盖这个距离，因此无法被归为同一聚类。

把eps从1调整为2，即可将这两个点纳入同一邻域：

dbscan_opt=DBSCAN(eps=2,min_samples=2)

2. 可选：调整min_samples参数 #

如果希望孤立点（比如[60.0,50.0]）也能被视为一个独立聚类而非噪声，可以将min_samples设置为1：

dbscan_opt=DBSCAN(eps=2,min_samples=1)

注意：min_samples=1会让所有孤立点都成为单个样本的聚类，需根据实际需求选择。

调整后的效果 #

• 当设置eps=2, min_samples=2时：[60.0,10.0]和[60.0,12.0]归为同一聚类，[60.0,1.0]、[60.0,50.0]仍为噪声。
• 当设置eps=2, min_samples=1时：所有点都会被归为聚类，其中[60.0,1.0]、[60.0,50.0]各成一类，另外两组相邻点分别成类。

内容的提问来源于stack exchange，提问作者mohsen