pyhton_DBSCAN实现（Python dbscan）

pyhton_DBSCAN实现（Python dbscan）

接上一篇：

#### DBSCANfrom sklearn.cluster import DBSCANX, y = make_blobs(random_state=0, n_samples=12)dbscan = DBSCAN()clusters = dbscan.fit_predict(X)print("Cluster memberships:\n{}".format(clusters))# 所有数据点都被分配了标签-1，这代表噪声。这是eps和min_samples默认参数设置的结果，对于小型的玩具数据集并没有调节这些参数Cluster memberships:[-1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1]mglearn.plots.plot_dbscan()# min_samples和eps取不同值时的簇分类如下所示# 在这张图中，属于簇的点是实心的，而噪声点则显示为空心的。核心样本显示为较大的标记，# 而边界点则显示为较小的标记。增大eps（在图中从左到右），更多的点会被包含在一个簇中。# 这让簇变大，但可能也会导致多个簇合并成一个。# 增大min_samples（在图中从上到下），核心点会变得更少，更多的点被标记为噪声。# 参数eps在某种程度上更加重要，因为它决定了点与点之间“接近”的含义。# 将eps设置得非常小，意味着没有点是核心样本，可能会导致所有点都被标记为噪声。# 将eps设置得非常大，可能会导致所有点形成单个簇。# 设置min_samples主要是为了判断稀疏区域内的点被标记为异常值还是形成自己的簇。# 如果增大min_samples，任何一个包含少于min_samples个样本的簇现在将被标记为噪声。# 因此，min_samples决定簇的最小尺寸。在图3-37中eps=1.5时，从min_samples=3到min_samples=5，# 你可以清楚地看到这一点。min_samples=3时有三个簇：一个包含4个点，一个包含5个点，一个包含3个点。min_samples=5时，# 两个较小的簇（分别包含3个点和4 个点）现在被标记为噪声，只保留包含5个样本的簇。# 虽然DBSCAN不需要显式地设置簇的个数，但设置eps可以隐式地控制找到的簇的个数。# 使用StandardScaler或MinMaxScaler对数据进行缩放之后，# 有时会更容易找到eps的较好取值，因为使用这些缩放技术将确保所有特征具有相似的范围min_samples: 2 eps: 1.000000 cluster: [-1 0 0 -1 0 -1 1 1 0 1 -1 -1]min_samples: 2 eps: 1.500000 cluster: [0 1 1 1 1 0 2 2 1 2 2 0]min_samples: 2 eps: 2.000000 cluster: [0 1 1 1 1 0 0 0 1 0 0 0]min_samples: 2 eps: 3.000000 cluster: [0 0 0 0 0 0 0 0 0 0 0 0]min_samples: 3 eps: 1.000000 cluster: [-1 0 0 -1 0 -1 1 1 0 1 -1 -1]min_samples: 3 eps: 1.500000 cluster: [0 1 1 1 1 0 2 2 1 2 2 0]min_samples: 3 eps: 2.000000 cluster: [0 1 1 1 1 0 0 0 1 0 0 0]min_samples: 3 eps: 3.000000 cluster: [0 0 0 0 0 0 0 0 0 0 0 0]min_samples: 5 eps: 1.000000 cluster: [-1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1 -1]min_samples: 5 eps: 1.500000 cluster: [-1 0 0 0 0 -1 -1 -1 0 -1 -1 -1]min_samples: 5 eps: 2.000000 cluster: [-1 0 0 0 0 -1 -1 -1 0 -1 -1 -1]min_samples: 5 eps: 3.000000 cluster: [0 0 0 0 0 0 0 0 0 0 0 0]

下图展示了在two_moons数据集上运行DBSCAN的结果。利用默认设置，算法找到了两个半圆形并将其分开

# 图3-38展示了在two_moons数据集上运行DBSCAN的结果。利用默认设置，算法找到了两个半圆形并将其分开X, y = make_moons(n_samples=200, noise=0.05, random_state=0)# Rescale the data to zero mean and unit variance# 将数据缩放成平均值为0、方差为1scaler = StandardScaler()scaler.fit(X)X_scaled = scaler.transform(X)dbscan = DBSCAN()clusters = dbscan.fit_predict(X_scaled)# plot the cluster assignmentsplt.scatter(X_scaled[:, 0], X_scaled[:, 1], c=clusters, cmap=mglearn.cm2, s=60)plt.xlabel("Feature 0")plt.ylabel("Feature 1")

由于算法找到了我们想要的簇的个数（2个），因此参数设置的效果似乎很好。如果将eps 减小到0.2（默认值为0.5），我们将会得到8个簇，这显然太多了。将eps增大到0.7则会导致只有一个簇。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。