python实现基于密度的DBscan 聚类算法(含代码和数据

DBscan算法是典型的基于密度的聚类算法，假定类别可以通过样本分布的紧密程度决定。在DBscan算法中，将样本密集的一个区域内的点作为一个cluster，再将相连的clueter聚合为一个cluster。

• 把所有的数据点区分并标记为核心点、边界点和噪音点
  删除噪音点
• 所有在半径Eps内的核心点间由边相连
• 联通的核心点作为一组成为一个cluster
• 分配每一个边界点到它所落入的核心点半径范围内的cluster中

若在某点半径Eps内有>=minPts个点，则该点就是核心点，
若点不是核心点，但是被其他核心点包括，则为边界点
若又不是核心点，又没被包括，则为离群点(噪音点

1. 距离选择
   DBscan对不同的距离指标总体上效果差异不大，选择欧式距离作为距离指标。
2. 参数选择
   在DBscan中不需要预先决定cluster的数目，算法自动决定聚类的数目，但是需要设定Eps和MinPts两个参数。在本实验中对扫描半径Eps和最小包含点MinPts 的取值如下：
   minPts = [3 4 5 6 7 8 9]
   Eps = [0.2 0.21 0.22 0.23 0.24 0.25 0.26 0.27 0.28 0.29]

dbscan.py

import numpy as np
import data_utils as du

d