Python实现DBSCAN膨胀聚类模型(DBSCAN算法)项目实战

说明：这是一个机器学习实战项目（附带数据+代码+文档+视频讲解），如需数据+代码+文档+视频讲解可以直接到文章最后获取。

1.项目背景

DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，DBSCAN算法将“簇”定义为密度相连的点的最大集合。

DBSCAN算法是密度聚类算法，所谓密度聚类算法就是说这个算法是，根据样本的紧密程度来进行聚类。

2.数据获取

本次建模数据来源于网络(本项目撰写人整理而成)，数据项统计如下：

数据详情如下(部分展示)：

部分数据展示：

3.数据预处理

3.1 用Pandas工具查看数据

使用Pandas工具的head()方法查看前五行数据：

 

从上图可以看到，总共有7个字段。

关键代码：

3.2缺失值统计

使用Pandas工具的info()方法统计每个特征缺失情况：

从上图可以看到，数据不存在缺失值，总数据量为1000条。

关键代码：

3.3变量描述性统计分析

通过Pandas工具的describe()方法来来统计变量的平均值、标准差、最大值、最小值、分位数等信息：

关键代码如下：

4.探索性数据分析

4.1.绘制散点图

通过Matplotlib工具针对x1 x2两个特征绘制分类散点图，如下图所示：

4.2 相关性分析

通过Pandas工具的corr()方法和seaborn工具的heatmap()方法绘制相关性热力图：

从图中可以看到，正数为正相关，负数为负相关，绝对值越大相关性越强。

5.特征工程

5.1 建立特征数据和标签数据

y为标签数据，除y之外的为特征数据。关键代码如下：

 

5.2 数据标准化

sklearn包下的StandardScaler函数进行特征数据的标准化，关键代码如下：

 

6.构建聚类模型

主要使用DBSCAN聚类算法，用于目标聚类分析。

6.1 建立DBSCAN聚类模型

6.2 获取聚类类别数和噪声样本数

 

关键代码如下：

7.模型评估

7.1评估指标及结果

评估指标主要包括聚类结果同质性、完整性、调和平均值、调整的兰德系数、互信息、轮廓系数等等。

 通过上表可以看到，整体的模型效果良好。

7.2 聚类结果可视化

从上图可以看到，聚成了3类，黑色的点代表有噪声的聚类标签样本。

8.结论与展望

综上所述，本项目采用DBSCAN聚类算法进行聚类，最终证明了我们提出的模型效果良好，可用于日常生活中进行建模预测，以提高生产价值。

 
# 本次机器学习项目实战所需的资料，项目资源如下：
 
链接：https://pan.baidu.com/s/1TyMNQbTFJMgfjB1IlBHekA 
提取码：81hc
 
 
 
 
 
 
# 用Pandas工具查看数据
print(data.head())
 
# 数据缺失值统计
print('****************************************')
print(data.info())
 
print('****************************************')
print(data.describe().round(4))  # 保留4位小数点
 
# 可视化特征数据集：绘制散点图
plt.scatter(data['x1'].values, data['x2'].values, c=data['y'].values, s=50, cmap="rainbow")  # rainbow彩虹色
plt.xticks([])  # 空列表 不显示x轴刻度
plt.yticks([])  # 空列表 不显示y轴刻度
plt.show()
 
# 数据的相关性分析
plt.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体
plt.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题