python分析集聚程度_水平聚集密集数据点

我在一个2D numpy数组中有一组大约34000个数据标签，它们各自的特征(状态概率)被可视化为散点图，看起来是

。在

很容易看到b点的大部分数据。我想用聚类算法来提取底部区域。我不追求完美的结果。这只是关于提取大多数b点。在

到目前为止，我已经尝试了DBSCAN算法：import sklearn.cluster as sklc

data1, data2 = zip(*dist_list[1])

data = np.array([data1, data2]).T

core_samples, labels_db = sklc.dbscan(

data, # array has to be (n_samples, n_features)

eps=2.0,

min_samples=5,

metric='euclidean',

algorithm='auto'

)

core_samples_mask = np.zeros_like(labels_db, dtype=bool)

core_samples_mask[core_samples] = True

unique_labels = set(labels_db)

n_clusters_ = len(unique_labels) - (1 if -1 in labels_db else 0)

colors = plt.cm.Spectral(np.linspace(0, 1, len(unique_label