Wahl von eps

Teil des Abschnitts Unüberwachtes Lernen der Machine Learning-Journey von Coddy. Lektion 22 von 51.

eps ist eine Schätzung, bis du nachsiehst. Miss für den Park aus „Noise Points“ die Entfernung jedes Punkts zu seinem 4. nächsten Nachbarn, wobei der Punkt selbst mitgezählt wird, wie bei min_samples=4. Sortiere und stelle die Werte grafisch dar:

Eine ansteigende Kurve aus 71 sortierten Entfernungen: bei den Picknickpunkten niedrig und nahe 1 m flach, dann eine scharfe Wendung bei etwa 3 m, wo eine gestrichelte Linie eps markiert, und ein steiler Anstieg bei den alleinstehenden Personen

Punktwolken liegen niedrig und flach; einzelne Punkte schießen nach oben. Das Knie, an dem die Kurve nach oben abbiegt, ist ein guter Wert für eps:

from sklearn.neighbors import NearestNeighbors
nn = NearestNeighbors(n_neighbors=4).fit(X)
distances, rows = nn.kneighbors(X)
ax.plot(np.sort(distances[:, -1]))

kneighbors gibt die Abstände jedes Punkts zu seinen 4 nächsten Nachbarn zurück, beginnend mit dem nächsten. Daher ist Spalte -1 der 4. Nachbar. np.sort ordnet sie.

Aufgabe

Mittel

Seismologen möchten, dass DBSCAN die Verwerfungslinien unter einem Jahr mit Erdbeben findet, mit min_samples=5. Wähle dafür den Wert für eps.

Trainiere NearestNeighbors(n_neighbors=5) mit X und ermittle die Abstände aller Erdbeben.
Zeichne die Abstände zum jeweils fünftnächsten Erdbeben in sortierter Reihenfolge auf.
Führe den Code aus und lies den Knick ab. Speichere diesen Wert in eps, zeichne ihn mit ax.axhline als gestrichelte graue Linie ein und zeige den Plot an.

Für eine andere Region lag der Knick bei etwa 4 km:

Ein Diagramm mit dem Titel Abstand zum fünftnächsten Erdbeben: Die Kurve verläuft bei etwa 2 km für ungefähr 145 Erdbeben flach und steigt dann steil auf über 50 km an, mit einer gestrichelten grauen Linie bei 4 km am Knick

Coddy beschreibt dein Diagramm und führt dann DBSCAN mit deinem eps-Wert aus.

Probier es selbst

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.neighbors import NearestNeighbors

# Ein Jahr mit Erdbeben in einer Region: jedes Epizentrum in km
quakes = pd.read_csv("quakes.csv")
X = np.column_stack([quakes["east_km"], quakes["north_km"]])

fig, ax = plt.subplots()
ax.set_title("Distance to the 5th Nearest Quake")
ax.set_xlabel("Quakes, sorted")
ax.set_ylabel("Distance (km)")

# Schreibe deinen Code unten