4. DBSCAN方法及其应用

本文详细介绍了DBSCAN聚类算法,包括其核心概念、如何区分核心点、边界点和噪音点,以及算法流程。通过实例展示了如何设置Eps和MinPts参数,并在大学校园网使用数据上进行应用,分析学生上网时间和时长的模式,以揭示学生的行为习惯。
摘要由CSDN通过智能技术生成

1. DBSCAN密度聚类

  1. DBSCAN算法是一种基于密度的聚类算法。

    • 聚类的时候不需要预先指定簇的个数。
    • 最终的簇的个数不定。
  2. DBSCAN算法将数据点分为三类。

    • 核心点:在半径Eps内含有超过MinPts数目的点。
    • 边界点:在半径Eps内点的数目小于MinPts,但是落在核心点的临域内。
    • 噪音点:既不是核心点也不是边界点的点。
  3. DBSCAN算法流程

    • 将所有点标记为核心点、边界点或噪声点。
    • 删除噪声点。
    • 为距离在Eps之内的所有核心点之间赋予一条边。
    • 每组连通的核心点形成一个簇。
    • 将每个边界点指派到一个与之关联的核心点的簇中(哪一个核心点的半径范围之内)。

这里写图片描述

2. 举例

有如下13个样本点,使用DBSCAN进行聚类。

这里写图片描述

取Eps=3,MinPts=3,依 据DBSACN对所有点进行聚类 (曼哈顿距离)。

  • 对每个点计算其邻域Eps=3内的点的集合。
  • 集合内点的个数超过MinPts=3的点为核心点。
  • 查看剩余点是否在核心点的邻域内,若在,则为边界点,否则为噪声点。

这里写图片描述

将距离不超过Eps=3的点相互连接,构成一个簇,核心点邻域内的点也会被加入到这个簇中。 则形成3个簇。

这里写图片描述

应用实例

现有大学校园网的日志数据,290条大学生的校园网使用情况数据,数据包 括用户ID,设备的MAC地址,IP地址,开始上网时间,停止上网时间,上 网时长,校园网套餐等。利用已有数据,分析学生上网的模式。目的:通过DBSCAN聚类,分析学生上网时间和上网时长的模式。

数据实例

这里写图片描述

数据链接

DBSCAN主要参数

  • eps:两个样本被看作邻居节点的最大距离。
  • min_sample:簇的样本数。
  • metric:距离计算方式。

根据上网时间聚类

import numpy as np
import sklearn.cluster as skc
from sklearn import metrics
import matplotlib.pyplot as plt

mac2id = dict()
online_times = []
f = open('Data/TestData', encoding='utf-8')
for line in f:

    # 读取每条数据中的mac地址,
    # 开始上网时间,上网时长

    mac = line.split(',')[2]
    online_time = int(line.split(',')[6])
    start_time = int(line.split(',')[4].split(' ')[1].split(':')[0])

    # mac2id是一个字典:
    # key是mac地址
    # value是对应mac地址的上网时长以及开始上网时间(精度为小时)

    if mac not in mac2id
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值