DBSCAN is not entirely deterministi

DBSCAN is not entirely deterministic: border points that are reachable from more than one cluster can be part of either cluster, depending on the order the data is processed. Fortunately, this situation does not arise often, and has little impact on the clustering result: both on core points and noise points, DBSCAN is deterministic. DBSCAN*[4] is a variation that treats border points as noise, and this way achieves a fully deterministic result as well as a more consistent statistical interpretation of density-connected components.
The quality of DBSCAN depends on the distance measure used in the function regionQuery(P,ε). The most common distance metric used is Euclidean distance. Especially for high-dimensional data, this metric can be rendered almost useless due to the so-called "Curse of dimensionality", making it difficult to find an appropriate value for ε. This effect, however, is also present in any other algorithm based on Euclidean distance.
DBSCAN cannot cluster data sets well with large differences in densities, since the minPts-ε combination cannot then be chosen appropriately for all clusters.
If the data and scale are not well understood, choosing a meaningful distance threshold ε can be difficult.
See the section below on extensions for algorithmic modifications to handle these issues.

ผลลัพธ์ (ไทย) 1:

DBSCAN ไม่ใช่ deterministic ทั้งหมด: จุดเส้นขอบที่สามารถเข้าถึงจากคลัสเตอร์มากกว่าหนึ่งสามารถเป็นส่วนหนึ่งของคลัสเตอร์อย่างใดอย่างหนึ่ง ตามใบสั่ง ประมวลผลข้อมูล โชคดี สถานการณ์นี้เกิดขึ้นบ่อยครั้ง และมีผลกระทบเล็กน้อยกับระบบคลัสเตอร์: ทั้งหลักคะแนนและคะแนนเสียง DBSCAN เป็น deterministic DBSCAN * [4] เป็นรูปแบบที่ปฏิบัติต่อจุดเส้นขอบเป็นเสียงรบกวน และวิธีนี้ได้รับผลเต็ม deterministic ตลอดจนการตีความทางสถิติมากขึ้นของคอมโพเนนต์การเชื่อมต่อความหนาแน่นคุณภาพของ DBSCAN ขึ้นอยู่กับการวัดระยะทางที่ใช้ในการ regionQuery(P,ε) ฟังก์ชัน การวัดระยะทางมากที่สุดที่ใช้เป็นแบบยุคลิด โดยเฉพาะอย่างยิ่งสำหรับข้อมูลมิติสูง วัดนี้สามารถแสดงผลเกือบไม่มีประโยชน์เนื่องจากว่า "แช่ง dimensionality" ทำให้ยากที่จะค้นหาค่าที่เหมาะสมสำหรับεได้ ลักษณะพิเศษนี้ อย่างไรก็ตาม มีในอัลกอริธึมอื่นที่ยึดตามแบบยุคลิดDBSCAN ไม่คลัสเตอร์ชุดข้อมูลกับความหนาแน่น ความแตกต่างของขนาดใหญ่ตั้งแต่ชุด minPts εไม่แล้วเลือกอย่างเหมาะสมสำหรับคลัสเตอร์ทั้งหมดถ้าข้อมูลและมาตราส่วน ไม่ดี เข้าใจ เลือกεเป็นขีดจำกัดระยะทางมีความหมายได้ยากดูที่ส่วนด้านล่างในส่วนขยายสำหรับปรับเปลี่ยน algorithmic เพื่อจัดการกับปัญหาเหล่านี้

ผลลัพธ์ (ไทย) 2:

DBSCAN ไม่ได้กำหนดทั้งหมด: จุดชายแดนที่สามารถเข้าถึงได้จากมากกว่าหนึ่งกลุ่มสามารถเป็นส่วนหนึ่งของกลุ่มอย่างใดอย่างหนึ่งขึ้นอยู่กับการสั่งซื้อข้อมูลที่มีการประมวลผล โชคดีที่สถานการณ์เช่นนี้ไม่ได้เกิดขึ้นบ่อยครั้งและมีผลกระทบต่อผลการจัดกลุ่ม: ทั้งในจุดหลักและจุดที่เสียง DBSCAN คือกำหนด DBSCAN * [4] เป็นรูปแบบที่ถือว่าเป็นจุดที่ชายแดนมีเสียงและวิธีนี้ประสบความสำเร็จในผลที่กำหนดอย่างเต็มที่เช่นเดียวกับการตีความทางสถิติที่สอดคล้องกันมากขึ้นความหนาแน่นของส่วนประกอบที่เชื่อมต่อ.
คุณภาพของ DBSCAN ขึ้นอยู่กับการวัดระยะทางที่ใช้ในการทำงาน regionQuery (P, ε) ตัวชี้วัดระยะทางที่ใช้กันมากที่สุดคือระยะทางแบบยุคลิด โดยเฉพาะอย่างยิ่งข้อมูลสูงมิติตัวชี้วัดนี้สามารถแสดงผลเกือบจะไร้ประโยชน์เนื่องจากการที่เรียกว่า "คำสาปของมิติ" ทำให้มันยากที่จะหาค่าที่เหมาะสมสำหรับε ผลกระทบนี้ แต่ยังอยู่ในขั้นตอนวิธีการอื่น ๆ ขึ้นอยู่กับระยะทางยุคลิด.
DBSCAN ไม่สามารถจัดกลุ่มข้อมูลชุดเดียวมีความแตกต่างขนาดใหญ่ในความหนาแน่นตั้งแต่การรวมกัน minPts-εไม่ได้แล้วจะเลือกที่เหมาะสมสำหรับกลุ่มทั้งหมด.
หากข้อมูลและขนาดเป็น ไม่เข้าใจการเลือกเกณฑ์ระยะที่มีความหมายεอาจเป็นเรื่องยาก.
ดูในส่วนด้านล่างเกี่ยวกับส่วนขยายสำหรับการปรับเปลี่ยนขั้นตอนวิธีการที่จะจัดการกับปัญหาเหล่านี้

ผลลัพธ์ (ไทย) 3:

dbscan ไม่ใช่ deterministic ทั้งหมด : ชายแดนจุดที่สามารถเข้าถึงจากกลุ่มมากกว่าหนึ่งสามารถเป็นส่วนหนึ่งของกลุ่มขึ้นอยู่กับลำดับข้อมูลจะถูกประมวลผล โชคดีที่เหตุการณ์นี้จะไม่เกิดขึ้นบ่อย และมีผลกระทบน้อยในการจัดกลุ่มผล : ทั้งคะแนนหลักและจุดเสียง dbscan เป็น deterministic . dbscan * [ 4 ] เป็นรูปแบบ ที่ถือว่าเป็นจุดชายแดน เช่น เสียงและด้วยวิธีนี้ได้ผลอย่างเต็มที่ ตลอดจนการตีความเชิงกำหนดสถิติที่สอดคล้องกันของความหนาแน่นต่อส่วนประกอบ
คุณภาพของ dbscan ขึ้นอยู่กับระยะทาง วัดที่ใช้ในการทำงาน regionquery ( P , ε ) ที่พบมากที่สุดที่ใช้เป็นตัวชี้วัดระยะทางระยะทางแบบยุคลิด . ข้อมูล - สูงขนาดโดยเฉพาะ ,เมตริกนี้สามารถแสดงผลเกือบไร้ประโยชน์เนื่องจากคำสาปที่เรียกว่า " ของ dimensionality " ทำให้ยากที่จะหาค่าที่เหมาะสมสำหรับε . ผลนี้ อย่างไรก็ตาม ยังมีอยู่ในอื่น ๆ โดยอยู่บนพื้นฐานของระยะทางแบบยุคลิด .
dbscan ไม่สามารถกลุ่มข้อมูลชุดกับความแตกต่างในความหนาแน่นตั้งแต่ minpts - εรวมกันไม่ได้แล้วจะเลือกอย่างเหมาะสมสำหรับทุกกลุ่ม .
ถ้าข้อมูลขนาดและไม่เข้าใจกัน เลือกที่มีความหมาย ระยะทางธรณีประตูε
เห็นได้ยาก ส่วนด้านล่างในส่วนขยายสำหรับขั้นตอนวิธีการเพื่อจัดการกับปัญหาเหล่านี้