DBSCAN聚类算法的原理及sklearn的演示

概念：基于密度的带有噪声点的聚类方法。
内部概念理解：
1.核心对象：若某个点的密度达到算法设定的阈值则称为核心点。
2.距离阈值：设定的半径r。
3.直接密度可达：若某点p在点q的r邻域内，且q是核心密度点，则pq直接密度可达。
4.密度可达：直接密度可达的相互传播。
5.密度相连：若从某核心点q出发，点p和k都能与q核心密度可达，则p和k是密度相连的。
6.边界点：属于某个类的非核心点，不能发展下线。
7.噪声点：不属于任何一个类簇的点，从任何一个点出发都不可能密度可达

工作流程如下：

1. 标记所有对象是unvisited
2. 随机选择一个unvisited的对象p,把他变成visited
3. 如果p某个半径长度r的邻域内至少有m个对象。
4. 创建新簇C，然后把p加入到C中；
5. 令N为p的半径r的邻域内的所有对象集合。
6. 对N中的每个点s，如果s是unvisted的，把它变为visited，如果s的r邻域内至少有m个对象，把这些对象添加到N，如果s不是任何簇的成员，将其添加到C，然后输出C
7. 如果第三步没有那么多对象，将其变成噪声点。
8. 然后不断循环。
   程序中需要选择的参数：
   半径，和半径中的最少对象m数。
   DBSCAN的优势：
   不需要指定簇个数，可以发现任意形状的簇，擅长找到离群点
   DBSCAN的缺点：
   高维度的数据计算慢（可以做降维，和数据消减），参数难以选择
   
   python代码实现：
   分类鸢尾花数。

from sklearn import datasets  
import pandas  as pd
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import DBSCAN
iris=datasets.load_iris()
iris_x=iris.data[:,2:4]#z只取后两个维度

构造聚类器

estimator = DBSCAN(eps=0.5,min_samples=3)#构造聚类器,一个参数是半径，一个是密度
estimator.fit(iris_x)
label_pred = estimator.labels_ #获取聚类标签
#绘制k-means结果
x0 = iris_x[label_pred == 0]
x1 = iris_x[label_pred == 1]
plt.scatter(x0[:, 0], x0[:, 1], c = "red", marker='o', label='label0')  
plt.scatter(x1[:, 0], x1[:, 1], c = "green", marker='*', label='label1')   
plt.show()  

画图：

对于不规则样本分类DBSCAN效果更好，但是对于一般有规则便于区分的样本，有时候可能不如kmeans