一、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,最终簇的个数不确定。
DBSCAN算法将数据点分为三类:
1、核心点:在半径Eps内含有超过MinPts数目的点。
2、边界点:在半径Eps内点的数量小于MinPts,但是落在核心点的邻域内的点。
3、噪音点:既不是核心点也不是边界点的点。
DBSCAN算法流程:
1、将所有点标记为核心点、边界点或噪声点;
2、删除噪声点;
3、为距离在Eps之内的所有核心点之间赋予一条边;
4、每组连通的核心点形成一个簇;
5、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)。
二、以中国MOOC大学《Python机器学习基础》课程练习材料实现,通过DBSCAN聚类,分析学生上网时间和上网时长的模式。原始数据集是校园网的日志数据,单条记录格式如下:
原始数据处理相关代码如下:
import numpy as np
import sklearn.cluster as skc
from sklearn import metrics
import matplotlib.pyplot as plt
onlinetimes = [] #存储开始上网时间和上网时长
f = open('Dbscan_Data.txt', encoding='utf-8') #读取数据
for line in f:
line = line.split(',')
onlinetime = int(line[6]) #读取每条数据中的上网时长
starttime = int(line[4].split(' ')[1].split(':')[