问题描述
我正在研究聚类算法之间的比较，我想知道 R 中的 HDBSCAN 如何计算所谓的成员“概率”？
解决方法
在 dbscan 包中，hdbscan() 函数对作为输入传递的对象进行一些有效性检查，然后使用 {{1} 计算到其 k 最近邻居的距离矩阵}} 功能。 dbscan::kNNdist() 的值设置为传递给 k 函数的参数 minPts 减去 1。
dbscan()然后使用核心距离作为密度的度量，并使用以下算法（来自 hdbscan.R 源）计算成员概率：
core_dist <- kNNdist(x,k = minPts - 1)
对于显着簇对象 ## Generate membership 'probabilities' using core distance as the measure of density
prob <- rep(0,length(cl))
for (cid in sl){
ccl <- res[[as.character(cid)]]
max_f <- max(core_dist[which(cl == cid)])
pr <- (max_f - core_dist[which(cl == cid)])/max_f
prob[cl == cid] <- pr
}
中的每个簇id，算法计算最大核心距离，然后通过从最大距离中减去每个元素的距离，将结果除以最大距离来构建概率一个比例。
然后将这些覆盖概率插入到由 sl 函数作为 hdbscan() 对象输出的列表中。