DBSCAN聚类算法

一、算法原理

根据密度进行聚类。

三类数据点：核心点，边界点，噪音点。

核心点：在半径Eps内含有超过Minpts个数的点。

边界点：在半径Eps内含有小于Minpts个数的点，但落在核心点的领域。

噪音点：不是以上两种点的点。

每个点都要判断一遍，标记为核心点，边界点和噪音点，噪音点要删除。

二、算法参数

eps:半径

min_sample:簇的样本数

metric:计算方式

eg:db=skc.DBSCAN(eps=0.01,min_samples=20)

三、算法应用代码解析

import numpy as np
import sklearn.cluster as skc
import matplotlib.pyplot as plt
from sklearn import metrics
mac2id=dict()
onlinetimes=[]
fr=open('TestData.txt',encoding='utf-8').readlines()#encoding='utf-8'？什么意思？？？？
for line in fr:
    mac = line.split(&#