我有一个看似微不足道的问题。我需要有人为我澄清ELKI实现中DBSCAN MinPts参数的含义。
如果我使用k = 4的值来绘制排序的k-dist图，则意味着点p与其第四个最近邻居的距离。这意味着该邻域包含5个点（k +1）； 4个邻居加点p。
在ELKI中，MinPts是仅表示邻居还是还包括点p？在上述情况下，应将其设置为4还是5？
original DBSCAN paper（Ester et al。1996）谈到将MinPts设置为k（MinPts = 4）。 DBSCAN Wikipedia article似乎还暗示MinPts是指p附近的邻居。但是，ELKI似乎希望将MinPts设置为k + 1（MinPts = 5）。
有人请澄清。
最佳答案
包含查询点的参数pro：
如果您处于数据库上下文中，并且向数据库发送查询
选择围绕坐标x，y，z的r半径内的所有对象
如果数据库中存储了查询点，则该数据库将包括查询点。特别是，如果不希望包含它，则可以轻松删除它。从数据库的角度来看，如果查询在数据库中，则查询应包括查询点；如果数据库中未存储查询，则查询应不包括查询点。
更重要的是，如果您进行密度估算，那么每个数据点都应该对密度有所贡献，不是吗？为什么有一点特别？坐标完全相同的其他点呢？如果您估计不在数据库中的某个点的密度怎么办？如果将查询点移开一点，就会突然增加密度！
如果您尝试将k-nearest-neighbors定义为对数据库D的查询，并且不要求查询点x成为数据库的一部分，那么很自然地得出结果，如果该查询是x的一部分，则结果应包括查询点D。
包含查询点的参数相反：
另一方面，直觉最接近的1个邻居通常是查询点，这是违反直觉的。通常，不幸的是，当您寻找“最近的邻居”时，您的意思确实是“最近的其他物体”。
即使这将正式转换为“将最接近的对象指向我的数据库中没有查询点的查询点的坐标”。
在文献中不一致地使用：
不幸的是，这在文献中并未得到一致使用。
一些文章/作者/应用程序包含（但不包含）查询点。对于这两种情况，我可以从文献中举出很多例子。
甚至是一篇文章有时也会在一个图中包含查询点，而在另一个图中则没有！
不幸的是，永远不会有符合每个人期望的解决方案，因为人们对于“正确”的确有不同的想法。
具体，再仔细检查！
您将必须决定您想要的行为，并仔细检查所有内容是否符合您的预期行为。记录您的决定和观察结果。
请检查一下自己是否在ELKI中的k距离图的实现中包含查询点。我们甚至可能（已经）针对版本0.7或0.8更改了此类的行为；因此对我而言，对您而言可能有所不同。确实，请查看所使用的确切版本的来源。
如果k距离图不包括查询点，则需要对minPts=4使用3距离。如果它确实包含查询点，则4距离与minPts=4一致。我非常确定，DBSCAN确实出于上述原因（数据库角度，密度估计角度）计算了查询点。因此，对于DBSCAN，minPts = 1是无意义的（每个点都是核心点），minPts = 2是单链接聚类（任何epsilon邻居都被合并了）。只有在minPts> 2时，您才开始获得真实的DBSCAN结果。
GDBSCAN建议使用2*dim-1而不是4。我通常从minPts=10开始，然后尝试20。选择较大的minPts有几个原因：
较高的维度通常需要较大的minPts（但对于文本数据，维度是没有意义的-最多由固有维度选择）
噪音：您的数据越嘈杂，使用minPts时需要越高
重复项：如果重复项很多，则再次需要增加minPts
但是不要超调。索引效率随着查询半径的增加而大大下降。您希望选择尽可能小的minPts，同时仍能得到有趣的结果。也可以使用多个值来获取不同的视图。
请记住，集群是探索性的数据挖掘。这意味着需要您试验参数，然后研究结果，然后重复。因为没有正确的聚类结果。集群结果的质量是您是否可以对数据获得新的见解。实际上仅产生已知结果的聚类失败。