dbscan算法python实现_无监督聚类算法 DBSCAN 原理及 Python 代码实现

定义

DBSCAN 全称为 Density-Based Spatial Clustering of Applications with Noise，一种密度聚类算法。

$\epsilon-领域$：指以某个对象为中心，$\epsilon$ 为半径的空间。其中 $\epsilon>0$ 为半径值。

$min\_pts$：密度阈值，用于定义核心对象。

核心对象：某个对象的 $\epsilon-领域$ 中对象数量至少包含 $min\_pts$ 个对象。

密度直达：在某个对象 $x$ 的 $\epsilon-领域$ 任意对象，为 $x$ 的密度直达对象。

密度可达：若存在序列 $x_1, x_2, .., x_n$，其中 $x_i 为 x_{i-1}$ 的密度直达对象，则称 $x_1$ 与 $x_n$ 密度可达。

密度相连：若对象 $x_1, x_2$ 均由对象 $x_k$ 密度可达，则称 $x_1, x_2$ 密度相连。

目标

基于密度可达关系，分别找出所有密度相连样本集合。

核心思想

输入：样本、$eps$(半径)、$min\_pts$

遍历样本，找出所有核心对象

任意选择一个核心对象，找到该对象所有密度可达的对象，并将其归为一类

从剩余的核心对象中移除以归类的对象

重复步骤 2 和步骤 3 ，直到所有核心对象都被归类

算法实现

需要使用到的库：numpy

定义欧式距离函数，公式为 $ d(a, b) = \sqrt{ \sum_{i=1}^{n} (a_i - b_i)^2