正在检索范文
正在检索范文
以下内容均为 Demo / 示例数据，用于学习流程演示，不是真实获奖论文。
沿海城市背景下的聚类题：用 dbscan / kmeans 完成「共享单车堆积热点识别」，重点练该题型的标准写法。
示例背景：围绕「共享单车堆积热点识别」在沿海城市收集示意数据。先判断输出是排名、预测值还是方案，再进入模型。数据均为 Demo，不能当作真实赛题或获奖论文。
问题是什么？
对「共享单车堆积热点识别」的指标做标准化或降维，避免某一列带走结果。
使用什么模型？
dbscan
为什么使用这个模型？
量纲不统一就聚类，结果往往被某一列主导。
核心公式是什么？
z-score 或先做 PCA 再聚类
得到了什么结果？
标准化后各维贡献更均衡。
问题是什么？
论证类数 K，并解释每一类的实际画像。
使用什么模型？
dbscan
为什么使用这个模型？
K 不能拍脑袋，轮廓系数或肘部法则要写进论文。
核心公式是什么？
silhouette(K) 或 SSE 肘部
得到了什么结果？
示例在 K=3 或 4 时轮廓系数更好，并给出类画像。
问题是什么？
对照另一种算法，或单独讨论噪声点。
使用什么模型？
kmeans
为什么使用这个模型？
换算法类结构还在，结论才站得住。
核心公式是什么？
比较类中心或噪声点重叠率
得到了什么结果？
主结构稳定，个别边界点在两种算法间游走。