介绍说明
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聚类中心(簇)的个数
最终的簇的个数不确定
三类数据点:
核心点:在半径Eps内含有超过MinPts数目的点。
边界点:在半径Eps内点的数量小于MinPts,但落在核心点的领域内。
噪音点:既不是核心点也不是边界点。
算法流程
A.将所有点标记为核心点、边界点或噪声点。
B.删除噪声点。
C.为距离为Eps之内的所有核心点之间赋予一条边。
D.每组连通的核心点形成一个簇。
E.将每个边界点指派到一个与之关联的核心点的簇中(哪个核心点的半径之类)
实例:
13个样本点
①取Eps=3,MinPts=3,依据DBSCAN对所有的点进行聚类(曼哈顿距离)。
②对每个点计算其邻域Eps=3内的点的集合。(其中超过MinPts=3的点为核心点,剩余点如果在核心点邻域内则为边界点,反之则为噪声点)
③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。
应用实例
大学校园网的日志数据: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。
其中,单条数据格式实例为:
具体的数据(可自行下载):
链接:https://pan.baidu.com/s/1ZTZwNvWhxRsNKhBlQRJQog
提取码:dunk
实验过程:
代码部分
# 1.建立工程,导入sklearn相关包
import numpy as np
import sklearn.cluster as skc
from sklearn.cluster import DBSCAN # eps:两个样本被看作邻居节点的最大距离 min_samples:簇的样本数 metric:距离计算方式
from sklearn import metrics
import matplotlib.pyplot as plt
# 2.读入数据并进行处理
mac2id = dict()
onlinetimes = []
f = open('TestData.txt'