9.1.6 DBSCAN聚类算法————机器学习实战第二版

一、工作原理

1. 对于每个实例，该算法都会计算在它一小段距离内 $\epsilon$ 内有多少个实例。该区域称为实例的 $\epsilon -$ 邻域。
2. 如果一个实例在其 $\epsilon$ 邻域内至少包含 min_samples 个实例(包含自身)，则该实例为核心实例。
3. 核心实例附近的所有实例都属于同一集群。这个邻域可能包括其他核心实例。因此，一长串相邻的核心实例形成一个集群。
4. 任何不是核心实例且邻居中没有核心实例的实例都被视为异常

二、参数

sklearn中参数详解：详解
两个重要参数：

• eps: $\epsilon$ 的大小
• min_samples : 核心实例中至少包含的实例个数

三、变量

sklearn.dataset中的make_moons()函数：链接
make_circles()函数与make_moons()函数相似

from sklearn.cluster import DBSCAN
from sklearn.datasets import make_moons,make_circles
X,y = make_moons(n_samples = 1000,noise = 0.05)

make_moons()生成数据为：

make_circles()生成数据为：

DBSCAN对象的变量：

• labels_ : 每个实例的集群标签。异常实例的集群标签为-1
• core_sample_indices_ : 包含每个核心实例的索引
• components_ : 可以得到核心实例本身

X,y = make_moons(n_samples = 100 ,noise = 0.1)
dbscan = DBSCAN(eps = 0.2,min_samples =2).fit(X) 

labels_ = dbscan.labels_
print("标签为：{}".format(labels_))

len_ = len(dbscan.core_sample_indices_)
print("核心实例个数为：{}".format(len_))

data = dbscan.components_
print("核心实例：{}".format(data))

结果为：

四、代码

1.难点

• matplotlib折线图：详解

1. 导包

from sklearn.cluster import DBSCAN
from sklearn.datasets import make_moons,make_circles
from matplotlib import pyplot as plt
import numpy as np
import pandas as pd

2. 数据集

X,y = make_moons(n_samples = 1000 ,noise = 0.1)
X2,y2 = make_circles(n_samples = 1000,noise = 0.025)

3. 函数

#参数:eps_为邻域大小，min_sample_为核心实例邻域中最小实例数目，X_为数据集;本次用了两个数据集
def DBscan(eps_,min_sample_,X_):
	#创建模型并训练
    dbscan = DBSCAN(eps = eps_,min_samples =min_sample_).fit(X_) 
    #绘制散点图时的c参数，大小和点的个数一样，即dbscan的变量core_sample_indices的len：len(dbscan.core_sample_indices_)
    mask = np.arange(len(dbscan.core_sample_indices_))
    #mask内为每核心实例的集群索引，异常实例的集群索引为-1;
    #在dbscan的core_sample_indices和components变量中并没有出现非核心实例，非核心实例和异常实例直接被算法过滤掉了。
    for idx,i in enumerate(dbscan.core_sample_indices_):
        mask[idx]  = dbscan.labels_[i]
    #画散点图
    plt.scatter(dbscan.components_[:,0],dbscan.components_[:,1],c = mask)
    #标题
    plt.title("eps = {},min_samples = {}".format(eps_,min_sample_))

4. 调用函数

对每个数据集分别调试两组参数，第二组参数效果较好，也就是第三列

plt.figure(figsize = (12,8))

plt.subplot(231)
plt.scatter(X[:,0],X[:,1],c = y)
plt.title("Original data")

plt.subplot(232)
DBscan(0.05,5,X)

plt.subplot(233)
DBscan(0.1,5,X)

plt.subplot(234)
plt.scatter(X2[:,0],X2[:,1],c = y2)
plt.title("Original data2")

plt.subplot(235)
DBscan(0.05,7,X2)

plt.subplot(236)
DBscan(0.07,7,X2)

plt.show()

结果为：