文章插图
我们可以看到，通过我们的epsilon和minPts的迭代，我们已经获得了很大范围的簇数和影像分数 。0.9到1.1之间的epsilon分数开始产生可管理的集群数量 。将epsilon增加到1.2或更高会导致集群数量太少，无法在商业上发挥作用 。此外，其中一些集群可能只是噪音 。我们稍后会讲到 。
增加的epsilon会减少集群的数量，但每个集群也会开始包含更多的离群点/噪声数据点，这一点也可以理解为有一定程度的收益递减 。
为了简单起见，让我们选择7个集群并检查集群分布情况 。(epsilon: 1.0和minPts: 4) 。
同样重要的是，运行此代码串时肯定会遇到的一个常见错误 。有时，当你设置的参数不合适，for循环最终会变成eps
推荐阅读
![[三言财经]华为手机国际市场有衰退，任正非首谈HMS：跟苹果谷歌比差距大](https://imgcdn.toutiaoyule.com/20200422/20200422155316263712a_t.jpeg)
- pytorch实现 GoogLeNet——CNN经典网络模型详解
- CNN中常用的四种卷积详解
- 新媒体运营黎想：详解用户活跃、留存、流失3大问题
- 杭州人的最爱,沈括尝茶茶诗赏析详解
- 清华扫地僧整理的全网最全多线程详解，看完怀疑自己的认知
- 详解Oracle不同损坏级别的备份与恢复
- volatile关键字详解
- Java正则表达式详解
- Jackson注解详解
- 华硕主板后缀字母代表什么含义？华硕主板型号命名规则与系列详解