函数nndist和kNNdist有什么不同？

Question

我目前正在尝试使用R来实现DBSCAN算法以查找我的数据中的离群值。为了初始化参数（特别是ε），我必须在我的示例中绘制到第k个邻居（我选择k = 3）的递增排序顺序的距离，并查看肘部在哪里选择ε的正确值。

正如我所说我使用R统计语言，我发现了两种不同的函数，计算第k个邻居nndist()和kNNdist()的距离。如果我默认情况下很好理解，它使用欧几里德距离。但是在我的数据中，这些函数并不显示相同的结果。为了说明我的问题，我实现了在著名的iris数据集中的两个功能，你可以看到，结果却大相径庭：

data(iris) 
iris <- as.matrix(iris[,1:4]) 

distance_third_neighbour_iris = iris %>% nndist(k = 3) 

as.vector(quantile(distance_third_neighbour_iris, probs = 0.99)) 
### gives 0.68 

distance_third_neighbour_iris = iris %>% kNNdist(k = 3) 

as.vector(quantile(distance_third_neighbour_iris, probs = 0.99)) 
### gives 0.81 

显然，这两种功能似乎不是默认或方法使用相同的距离来计算。

Answer 1

你有几个问题在这里：

1. 当nndist需要一个矩阵作为输入，它假定它只是二维的。为了接受iris数据集的四列四维点和触发nndist多维版本 - 这是nndist.ppx - 你首先需要转变iris到ppx点是这样的：ppx(iris)

2. 即使服用后的护理为1，结果仍然不同。这是因为kNNdist并不仅仅产生到k = 3邻居的距离，而是包含到达k = 3（即，k = 1，k = 2和k = 3）的所有距离的列的数据帧。因此，当您尝试仅获取K = 3的值，并希望将其从nndist比较的结果，你应该只使用第三列，这样的：distance_third_neighbour_iris_knndist[,3]

您的代码修改，那么，应该是：

library(dbscan) 
library(spatstat) 

data(iris) 
iris <- as.matrix(iris[,1:4]) 

distance_third_neighbour_iris_nndist = ppx(iris) %>% nndist(k = 3) 

as.vector(quantile(distance_third_neighbour_iris_nndist, probs = 0.99)) 
### gives 0.8776718 

distance_third_neighbour_iris_knndist = iris %>% kNNdist(k = 3) 

as.vector(quantile(distance_third_neighbour_iris_knndist[,3], probs = 0.99)) 
### gives 0.8776718