基于密度的聚类DBSCAN(机器学习)

目录

一、实验内容

二、实验过程

1、算法思想

2、算法原理

3、算法分析

三、源程序代码

四、运行结果及分析

五、实验总结 

---

 

一、实验内容

---

1. 掌握基于密度的聚类方法的基本思想；
2. 掌握DBSCAN算法的原理；
3. 掌握DBSCAN算法的设计及Python实现。

二、实验过程

---

1、算法思想

---

        DBSCAN采用居于中心的密度定义，居于密度的聚类算法是根据密度而不是距离来计算样本相似度，将样本中的高密度区域划分为簇。

2、算法原理

---

        DBSCAN算法根据密度可达关系求出所有密度相连样本的最大集合，将这些样本点作为同一个簇。

3、算法分析

---

（1）从样本中选择一点，给定半径epsilon和圆内的最小近邻点数min_points。

（2）如果该点满足在其半径为epsilon的邻域圆内至少有min_points个近邻点，则将圆心转移到下一样本点。

（3）若一样本点不满足上述条件，则重新选择样本点。按照设定的半径epsilon和min_points进行迭代聚类。

三、源程序代码

---

# -*- coding: utf-8 -*-
"""
===================================
Demo of DBSCAN clustering algorithm
===================================
 
Finds core samples of high density and expands clusters from them.
 
"""
print(__doc__)
 
import numpy as np
from sklearn.cluster import DBSCAN
from sklearn import metrics
#from sklearn.datasets.samples_generator import make_blobs
from sklearn.datasets import make_blobs
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
 
 
# #############################################################################
# Generate sample data
centers = [[1, 1], [-1, -1], [1, -1]]
X, labels_true = make_blobs(n_samples=750, centers=centers, cluster_std=0.4, random_state=0)
X = StandardScaler().fit_transform(X)
# Compute DBSCAN
db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
 
print('Estimated number of clusters: %d' % n_clusters_)
print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels))
print("Completeness: %0.3f" % metrics.completeness_score(labels_true, labels))
print("V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels))
print("Adjusted Rand Index: %0.3f"
      % metrics.adjusted_rand_score(labels_true, labels))
print("Adjusted Mutual Information: %0.3f"
      % metrics.adjusted_mutual_info_score(labels_true, labels))
print("Silhouette Coefficient: %0.3f"
      % metrics.silhouette_score(X, labels))
 
# #############################################################################
 
# Black removed and is used for noise instead.
unique_labels = set(labels)
colors = [plt.cm.Spectral(each)
          for each in np.linspace(0, 1, len(unique_labels))]
for k, col in zip(unique_labels, colors):
    if k == -1:
        # Black used for noise.
        col = [0, 0, 0, 1]
 
    class_member_mask = (labels == k)
 
    xy = X[class_member_mask & core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
             markeredgecolor='k', markersize=14)
 
    xy = X[class_member_mask & ~core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col),
             markeredgecolor='k', markersize=6)
 
plt.title('估计类的数量: %d' % n_clusters_)
plt.show()

四、运行结果及分析

---

五、实验总结 

---

        DBSCAN算法的优缺点，它的优点是可以适用非凸数据集，能够发现异常点；它的缺点体现在应对密度不均匀、样本距离相差很大的数据集效果不好；样本集规模较大时，聚类时间较长。