26、python密度聚类方法（DBSCAN密度聚类）

1、DBSCAN概念 

基于密度的带噪声的空间聚类应用算法，它是将簇定义为密度相连的点的大集合，能够把足够高密度的区域划分为簇，并且可在噪声的空间数据集中发现任意形状的聚类。

2、密度聚类和距离聚类

密度聚类：只要临近区域的密度、对象、或者数据点的数目超过耨个阈值，就继续聚类，可以根据与周伟特点进行聚类

kmeans和分层聚类都是基于距离进行聚类，只能发现球状的簇，五发现其他形式的簇

3、其他概念

01密度：空间中任意一点的密度是以该点为圆形，以Eps为半径的圆区域内包含的点数目。

02 领域： 空间中任意一点的领域是以该点为圆心、以Eps为半径的圆区域内包含的点数目。

03 核心点：空间某一点的密度，如果大于某一给定阈值MInPts，则称为边界点。

04 噪声点：数据集中不属于核心点，也不属于边界点的点，也就是密度值为1的点

4、聚类方法

 

model=sklearn.cluster.DBSCAN(eps,min_samples)

eps 领域的大小，使用圆的半径表示
min_samples 点的个数的阈值

model.fit_predict(data)

data 数据

训练模型并且进行预测的方法

5、案例

import pandas as pd

import matplotlib.pyplot as plt


data = pd.read_csv('D:\\DATA\\pycase\\number2\\7.2\\data.csv')

plt.plot(