选择 eps

本课属于 Coddy Machine Learning 学习旅程的“无监督学习”单元。第 22 课，共 51 课。

eps 只是一个猜测，观察数据后才能确定。对于“噪声点”中的公园，测量每个点到第 4 个最近邻的距离，并把该点自身也计入，就像 min_samples=4。将距离排序并绘图：

71 个已排序距离形成的上升曲线：野餐点附近的距离较低且平缓，约为 1 m；随后在约 3 m 处急剧转折，虚线标出 eps，独自一人的点对应的距离则陡然上升

密集的点位置低且平缓，孤立的点则会陡然上升。曲线开始向上弯折的“拐点”是选择 eps 的好位置：

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

kneighbors 会给出每个点到最近的 4 个邻居的距离，并按距离从近到远排列，因此列 -1 是第 4 个。np.sort 会对它们排序。

挑战

中等

地震学家希望 DBSCAN 能根据一年的地震数据找出断层线，并将 min_samples=5。选择它的 eps。

在 X 上拟合 NearestNeighbors(n_neighbors=5)，并获取每次地震的距离。
绘制第 5 近邻距离，并按顺序排序。
运行代码并找出拐点。将该值保存在 eps 中，使用 ax.axhline 绘制灰色虚线，然后显示图表。

对于另一个地区，拐点大约在 4 km 处：

一张标题为“到第 5 近邻地震的距离”的图表：曲线在约 145 次地震中保持平缓，接近 2 km，随后急剧上升，超过 50 km；拐点处有一条位于 4 km 的灰色虚线

Coddy 会描述你的图表，然后使用你的 eps 运行 DBSCAN。

亲手试试

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

# 某地区一年内的地震：每个震中的位置以 km 为单位
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)")

# 在下方编写你的代码