【Python-ML】SKlearn库密度聚类DBSCAN模型

# -*- coding: utf-8 -*-
'''
Created on 2018年1月25日
@author: Jason.F
@summary: 无监督聚类学习-基于密度 空间的聚类算法(Density-based Spatial Clustering of Application with Noise,DBSCAN)
密度：半径范围内样本点的数量
核心点：如果在一个点周边的指定半径内，其他样本点的数量不小于指定数量(MinPts)，则该样本点为核心点
边界点：在指定半径内，如果一个点的邻居点少于MinPts个，但却包含一个核心点，则为边界点
噪声点：除核心点和边界点外的样本点都是噪声点
DBSCAN的簇空间不一定是球状的，可识别和移除噪声点，因此不一定会将所有的样本点都划分到某一簇中
如果数据集中的密度差异相对较大，则找到半径和MinPts较为困难。
'''
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.cluster import KMeans,AgglomerativeClustering,DBSCAN
X,y = make_moons(n_samples=200,noise=0.05,random_state=0)#创建半月形数据
plt.scatter(X[:,0],X[:,1])
plt.show()
f,(ax1,ax2) = plt.subplots(1,2,figsize=(8,3))
#原型聚类KMeans模型
km=KMeans(n_clusters=2,random_state=0)
y_km = km.fit_predict(X)
ax1.scatter(X[y_km==0,0],X[y_km==0,1],c='lightblue',marker='o',s=40,label='cluster 1')
ax1.scatter(X[y_km==1,0],X[y_km==1,1],c='red',marker='s',s=40,label='cluster 2')
ax1.set_title('K-means clustering')
#层次聚类凝聚模型
ac=AgglomerativeClustering(n_clusters=2,affinity='euclidean',linkage='complete')#全连接，欧式距离计算联合矩阵
y_ac= ac.fit_predict(X)
ax2.scatter(X[y_ac==0,0],X[y_ac==0,1],c='lightblue',marker='o',s=40,label='cluster 1')
ax2.scatter(X[y_ac==1,0],X[y_ac==1,1],c='red',marker='s',s=40,label='cluster 2')
ax2.set_title('Agglomerative clustering')
plt.legend()
plt.show()
#密度聚类DBSCAN，成功对半月形数据进行分类
db =DBSCAN(eps=0.2,min_samples=5,metric='euclidean')#欧式距离，样本点数量5，半径0.2
y_db = db.fit_predict(X)
plt.scatter(X[y_db==0,0],X[y_db==0,1],c='lightblue',marker='o',s=40,label='cluster 1')
plt.scatter(X[y_db==1,0],X[y_db==1,1],c='red',marker='s',s=40,label='cluster 2')
plt.legend()
plt.show()'''
1、三种最基本的聚类方法：KMeans基于原型的聚类、凝聚层次聚类、使用DBSCAN基于密度的聚类。
2、其他方法：图聚类(最突出方法使谱聚类算法)，使用基于相似矩阵的特征向量来获得簇间关系，参考：http://arxiv.org/pdf/0711.0189v1.pdf   <A Tutorial on Spectral Clustering.Statistics and computing>
3、聚类算法取决于三个要素，算法、参数以及距离度量，而距离度量很容易面临维度灾难(curse of dimensionality)
'''

结果：

【Python-ML】SKlearn库密度聚类DBSCAN模型相关推荐

【转载】【Python-ML】SKlearn库谱聚类SpectralClustering模型
在scikit-learn的类库中,sklearn.cluster.SpectralClustering实现了基于Ncut的谱聚类,没有实现基于RatioCut的切图聚类.同时,对于相似矩阵的建立,也 ...
Python基于聚类算法实现密度聚类(DBSCAN)计算
本文实例讲述了Python基于聚类算法实现密度聚类(DBSCAN)计算.分享给大家供大家参考,具体如下: 算法思想基于密度的聚类算法从样本密度的角度考察样本之间的可连接性,并基于可连接样本不断扩展聚 ...
dbscan聚类算法matlab_密度聚类DBSCAN、HDBSCAN(转)
# 密度聚类DBSCAN.HDBSCAN DBSCAN DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声 ...
（十八）密度聚类DBSCAN
密度聚类DBSCAN DBSCAN(Density-Based Spatial Clustering of Applications with Noise,具有噪声的基于密度的聚类方法) 是一种很典型 ...
Python安装sklearn库时出现异常：ERROR: Could not install packages due to an EnvironmentError: [Errno 2]
文章目录一.问题描述二.问题解决一.问题描述今天在学习python机器学习时,需要安装python的sklearn库,在安装的过程中出现了以下错误上CSDN上找了好多文章,都没办法解决问题 ...
机器学习强基计划7-5：图文详解密度聚类DBSCAN算法(附Python实现)
目录 0 写在前面 1 密度聚类 2 DBSCAN算法 3 Python实现 3.1 算法复现 3.2 可视化实验 0 写在前面机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用.&qu ...
密度聚类 DBSCAN python实现
python代码例子参考另一篇博客: https://blog.csdn.net/jacke121/article/details/117736855 一.前言二.DBSCAN聚类算法三.参数选择 ...
ID3决策树 Python实现 + sklearn库决策树模型的应用
本文介绍机器学习中决策树算法的python实现过程共介绍两类方法: (1)亲手实习Python ID3决策树经典算法 (2)利用sklearn库实现决策树算法关于决策树的原理,指路:机器学习第四 ...
聚类算法_层次聚类_密度聚类(dbscan,meanshift)_划分聚类(Kmeans)详解
注: 两整天的成果,谬误之处勿喷 1 聚类概述样本没有训练的样本没有标注的样本 1.1 相似度度量 1.1.1 距离相似度度量距离度量 dist(oi,oj)dist(o_{i},o_{j}) ...

【Python-ML】SKlearn库密度聚类DBSCAN模型

【Python-ML】SKlearn库密度聚类DBSCAN模型相关推荐

最新文章

热门文章