Как реализован обобщенный dbscan (gdbscan) в elki на Java/Scala? В настоящее время я пытаюсь найти эффективный способ реализации взвешенного dbscan на elki, чтобы компенсировать неэффективность, связанную с sklearn-реализацией взвешенного dbscan.
Причина, по которой я делаю это в данный момент, заключается в том, что sklearn просто отстой для реализации dbscan на кластерах в наборах данных в масштабе терабайта (в облаке, которым в данном случае я являюсь).
Например, я сделал следующий код с функцией создания базы данных и функцией dbscan, которая считывает массив массивов и выдает индексы кластерных индексов.
/* Libraries imported from the ELKI library - https://elki-project.github.io/releases/current/doc/overview-summary.html */
import de.lmu.ifi.dbs.elki.algorithm.clustering.kmeans.KMeansElkan
import de.lmu.ifi.dbs.elki.data.model.{ClusterModel, DimensionModel, KMeansModel, Model}
import de.lmu.ifi.dbs.elki.data.model
import de.lmu.ifi.dbs.elki.data.{Clustering, DoubleVector, NumberVector}
import de.lmu.ifi.dbs.elki.database.{Database, StaticArrayDatabase}
import de.lmu.ifi.dbs.elki.datasource.ArrayAdapterDatabaseConnection
import de.lmu.ifi.dbs.elki.distance.distancefunction.minkowski.SquaredEuclideanDistanceFunction
import de.lmu.ifi.dbs.elki.distance.distancefunction.minkowski.EuclideanDistanceFunction
import de.lmu.ifi.dbs.elki.distance.distancefunction.NumberVectorDistanceFunction
import de.lmu.ifi.dbs.elki.algorithm.clustering.DBSCAN
// Imports for generalized DBSCAN
import de.lmu.ifi.dbs.elki.algorithm.clustering.gdbscan // Generalized dbscan function here required for weighted dbscan
import de.lmu.ifi.dbs.elki.algorithm.clustering.gdbscan.CorePredicate // THIS IS IMPORTANT TO GET GENERALIZED DBSCAN
import de.lmu.ifi.dbs.elki.algorithm.clustering.gdbscan.GeneralizedDBSCAN
import de.lmu.ifi.dbs.elki.utilities.ELKIBuilder
import de.lmu.ifi.dbs.elki.database.relation.Relation
import de.lmu.ifi.dbs.elki.datasource.DatabaseConnection
import de.lmu.ifi.dbs.elki.database.ids.DBIDIter
import de.lmu.ifi.dbs.elki.index.tree.metrical.covertree.SimplifiedCoverTree
import de.lmu.ifi.dbs.elki.data.{`type`=>TYPE} // Need to import in this way as 'type' is a class method in Scala
import de.lmu.ifi.dbs.elki.index.tree.spatial.rstarvariants.rstar.RStarTreeFactory // Important
def createDatabaseWeighted(data: Array[Array[Double]], distanceFunction: NumberVectorDistanceFunction[NumberVector]): Database = {
val indexFactory = new SimplifiedCoverTree.Factory[NumberVector](distanceFunction, 0, 30)
// Create a database
val db = new StaticArrayDatabase(new ArrayAdapterDatabaseConnection(data), java.util.Arrays.asList(indexFactory))
// Load the data into the database
val CustomPredicate = CorePredicate
db
}
def dbscanClusteringOriginalTest(data: Array[Array[Double]], distanceFunction: NumberVectorDistanceFunction[NumberVector] = SquaredEuclideanDistanceFunction.STATIC, epsilon: Double = 10, minpts: Int = 10) = {
// Use the same `distanceFunction` for the database and DBSCAN <- is it required??
val db = createDatabaseWeighted(data, distanceFunction)
val rel = db.getRelation(TYPE.TypeUtil.NUMBER_VECTOR_FIELD) // Create the required relational database
val dbscan = new DBSCAN[DoubleVector](distanceFunction, epsilon, minpts) // Epsilon and minpoints needed - either you define in the function input, or will use default values
val result: Clustering[Model] = dbscan.run(db)
var ClusterCounter = 0 // Indexing the number of datapoints allocated from DBSCAN
result.getAllClusters.asScala.zipWithIndex.foreach { case (cluster, idx) =>
println("The type is " + cluster.getNameAutomatic)
/* Isolate only the clusters and store the median from the DBSCAN results */
if (cluster.getNameAutomatic == "Cluster" || cluster.getNameAutomatic == "Noise") {
ClusterCounter += 1
val ArrayMedian = Array[Double]()
println(s"# $idx: ${cluster.getNameAutomatic}")
println(s"Size: ${cluster.size()}")
println(s"Model: ${cluster.getModel}")
println(s"ids: ${cluster.getIDs.iter().toString}")
}
}
}
Я могу заставить это работать довольно эффективно, но в настоящее время я изо всех сил пытаюсь получить аналогичный эффект с помощью функции gdbscan. Например, был ответ, в котором предполагалось, что это можно сделать, изменив CorePredicate на ELKI (sample_weight в реализации ELKI DBSCAN), но я не уверен, как это можно реализовать.
Любые указатели будут высоко оценены!