聚类算法及python实现——DBSCAN

聚类算法及python实现——DBSCAN

基于密度聚类，无需给定聚类个数，且最终聚类数不确定
（1）核心点，在半径Eps内有超过MinPts数目的点
（2）边界点，在半径Eps内点的数量小于MinPts
（3）噪音点，不是核心点也不是边界点

图片来源于中国大学MOOC，北京理工大学Python机器学习应用

步骤

step1：标记所有点，核心点、边界点和噪音点
step2：删除噪音点
step3：距离在Eps内的所有核心点之间赋予一条边
step4：每组连通的核心点形成一个类
step5：将每个边界点指派到一个与之关联的核心点的类中（某个核心点的半径范围内）

python代码

import numpy as np
from sklearn.cluster import DBSCAN

db = DBSCAN(eps = 0.01,min_samples = 20,metric = 'euclidean')
label = db.fit(data)
labels = label.labels # 每个数据的类标签 

DBSCAN主要参数
eps：半径，即两个样本被看作邻居节点的最大距离
min_samples：类中的样本数MinPts
metric：距离计算方式

优势

（1）聚类速度快，能处理噪声点，解决数据集非凸集
（2）与K-means相比，无需输入聚类个数
（3）类的形状没有偏移
（4）指定多大范围外的点为噪声

缺陷

（1）数据量增加，消耗内存
（2）密度不均匀，选取MinPts和Eps困难
（3）聚类效果依赖距离公式的选取，常用欧式距离，若多维数据，存在“维数灾难”