我需要聚类约200万个数据点，该数据帧包含纬度，经度和另一个变量。我尝试过k均值效果不佳。我也尝试了DBSCAN和MeanShift，但是使用DBSCAN时出现内存错误，MeanShift大约需要3天。你们知道有什么方法或技术可以使这种方法更有效吗？
谢谢！
DBSCAN应该占用linear内存。那就足够了。
也许您只需要选择一个更好的实现或参数。
sklearn文档讨论了他们的问题：
此实现批量计算所有邻居查询，这将内存复杂度提高到O（n.d），其中d是邻居的平均数量，而原始DBSCAN的内存复杂度为O（n）。在查询这些最近邻域时，它可能会吸引更高的内存复杂度，具体取决于算法。
避免查询复杂性的一种方法是使用NearestNeighbors.radius_neighbors_graph以mode ='distance'预先计算块中的稀疏邻域，然后在此处使用metric ='precomputed'。
减少内存和计算时间的另一种方法是删除（近）重复的点并改用sample_weight。
现在，第一个解决方法甚至是错误。如果平均存在d个邻居，则实现radius_neighbors_graph的条目也将为O（n.d）。所以这再好不过了...
DBSCAN的教科书实现仅需要O（n）内存。因此，对于大型数据集，sklearn不是一个好选择。