如何使用DBSCAN中的knn距离图来估计eps

Question

我有以下代码来估计DBSCAN的eps。如果代码没问题，那么我已经获得了knn distance plot。代码是：

ns = 4
nbrs = NearestNeighbors(n_neighbors=ns).fit(data)
distances, indices = nbrs.kneighbors(data)
distanceDec = sorted(distances[:,ns-1], reverse=True)
plt.plot(indices[:,0], distanceDec)

其中data是像素位置（行和列）的数组。我已经获得了一个情节，但我没有得到如何确定eps。根据DBSCAN论文，

阈值点是排序的k-dist图的第一个谷中的第一个点

我不知道如何在代码中实现它。此外，ns = 4是我的minPts还是有任何方法来估计minPts的eps？

Answer 1

使用

plt.plot(list(range(1,noOfPointsYouHave+1)), distanceDec)

你会得到一个肘部情节。曲线急剧变化的距离是你的epsilon。

如果您愿意，也可以使reverse = False。

Answer 2

据我所知，这是由人类在视觉上决定的。

自动化似乎不起作用。

或者您可以使用OPTICS。