跟我学算法聚类(DBSCAN)

DBSCAN 是一种基于密度的分类方法

若一个点的密度达到算法设定的阖值则其为核心点（即R领域内点的数量不小于minPts）

所以对于DBSCAN需要设定的参数为两个半径和minPts

我们以一个啤酒的分类指标来做
第一步：提取数据，并分配变量

import pandas as pd
beer = pd.read_csv('data.txt', sep=' ')

X = beer[["calories","sodium","alcohol","cost"]]

第二步：构建模型,并做测试，我们使用的r半径为10，最小样本数为2

db = DBSCAN(eps=10, min_samples=2).fit(X)
print(db.labels_)
beer['cluster_db'] = db.labels_

第三步:根据轮廓系数选定参数，我们发现i=18时，轮廓参数最大

for i in range(5, 20):
    print(metrics.silhouette_score(X, DBSCAN(eps=i, min_samples=2).fit(X).labels_)) #X表示数据,DBSCAN(eps=i, min_samples=2).fit(X).labels_)表示分类的结果标签

 

转载于:https://www.cnblogs.com/my-love-is-python/p/9530948.html