对于DBSCAN python，是否必须同时进行标准化和规范化？

Question

对于DBSCAN的实现，是否需要对所有特征列进行标准化和归一化？例如[[ 664.      ,  703.      , 2901.069079],  [ 632.      ,  717.      , 2901.069079],  [ 606.      ,  740.      , 4386.449399],    [ 635.      ,  751.      , 4386.449399],   [ 672.      ,  525.      , 4760.874001]]如果我必须对此进行 DBSCAN，是否必须先对其进行标准化，然后再对其进行标准化？只是标准化吗？此外，这些值如何决定 eps 的选择？

Answer 1

规范化或标准化数据可能会破坏数据集的重要属性。

一些例子：

• 您的数据是地理坐标。纬度和经度绝不能标准化

• 你的数据是直方图。唯一有意义的归一化是使直方图的总和为 1。切勿变换单个变量！

• 您的数据有一个有意义的零。例如，它是货币价值。不过，使用 sgn(x)*sqrt(abs(x)) 进行转换在某些领域可能会有所帮助。

• 你的数据很稀疏。永远不要标准化。（如果没有负值，标准化可能是“好的”。）

选择缩放不应该“因为它总是会完成”；但因为你拥有实际数据！选择它是因为它是正确的，而不是因为它是“默认”或在某些教程中。

如果您诉诸归一化或标准化，您很可能不了解您的数据，也不了解如何测量距离或相似性；然后人们喜欢使用归一化作为最后的手段来获得“一些”结果；但你永远不知道结果是否有意义。