DBSCAN(密度聚类)
什么是聚类
聚类是无监督学习的一个小分支，其本质就是将样本通过亲近程度对其进行分类，你可能会有疑问？分多少类别？亲近程度如何衡量？
分多少类
至于分多少类，有的是自动学习得到，比如DBSCAN等，有的是手动指定，比如K-means等。后续的代码中会有体现
亲近关系的衡量指标
至于用什么来衡量亲近程度？对于有序属性的样本，可以使用闵可夫斯基距离、欧几里得距离、曼哈顿距离来描述，对于无序属性样本，可使用VDM，下面简单介绍一个闵可夫斯基距离。
闵可夫斯基距离公式
d
m
k
(
x
i
,
x
j
)
=
(
∑
u
=
1
n
∣
x
i
u
−
x
j
u
∣
p
)
1
p
d_{mk}(x_{i},x_{j})=\left ( \sum_{u=1}^{n} \left | x_{iu} -x_{ju} \right | ^{p} \right ) ^{\frac{1}{p} }
dmk(xi,xj)=(u=1∑n∣xiu−xju∣p)p1
其中
x
i
x_{i}
xi: 第i个样本；
x
j
x_{j}
xj: 第j个样本；
x
i
u
x_{iu}
xiu: 第i个样本的第u个特征；
x
j
u
x_{ju}
xju: 第j个样本的第u个特征；
当p=2时，就是欧几里得距离公式，当p=1时，就是曼哈顿距离，在实际应用中，通常都是采用欧几里得距离或是曼哈顿距离。
最后再多一点解释，关于什么是无序样本和有序样本，无序样本，其实可以理解为就是不能直接测量出数据的样本，比如一个样本的特征并不能用数字表示{性格，家庭住址，婚否}。有序样本，可以直观理解为特征都是数字，比如以坐标作为一个样本，其中x,y就是其特征，都是数字,有数字自然可以计算距离。
DBSCAN（密度聚类）
DBSCAN是无监督学习的一种算法，利用给定领域和最小领域样本数，最终将样本分为多个类。
与K-means区别
不用像K-means一样，需要给定分类数和迭代次数，而是需要指定两个参数：
(
ϵ
,
M
i
n
P
t
s
)
\left ( \epsilon ,MinPts \right )
(ϵ,MinPts)
分类目的：根据图中所示，可以通俗的说，就是找到一个中心点，在以
ϵ
\epsilon
ϵ为半径画圆，如果在这个圆内的点数至少有MinPts时候，就表示一个类分类完成。否则这个中心点不合格，分割失败，要重新寻找中心点。
算法流程
1.设置
(
ϵ
,
M
i
n
P
t
s
)
\left ( \epsilon ,MinPts \right )
(ϵ,MinPts) 参数
2.遍历样本集，以这个点为中心，如果其他样本有多个与中心的距离小于
ϵ
\epsilon
ϵ，且这样的样本个数不少于MinPts，则这个样本就是第一个中心点，停止遍历。
3.以选出的样本为中心，遍历除此之外的整个样本集合(注意，这里的遍历和第二步的遍历不一样，第二步如果一开始就找到中心点，其实不用完全遍历)，找出所有与中心距离小于
ϵ
\epsilon
ϵ的样本，将此归为一类。
4.讲分好类的样本从整体样本集合中减去，然后重复2、3步，直到待分类样本集合为空位置。分类结束。
具体举例
假设待分类样本集合为D=
x
1
、
x
2
、
x
3
、
x
4
、
x
5
、
x
6
、
x
7
、
x
8
、
x
9
、
x
10
、
x
11
、
x
12
x_{1}、x_{2}、x_{3}、x_{4}、x_{5}、x_{6}、x_{7}、x_{8}、x_{9}、x_{10}、x_{11}、x_{12}
x1、x2、x3、x4、x5、x6、x7、x8、x9、x10、x11、x12
1.设定
(
ϵ
,
M
i
n
P
t
s
)
\left ( \epsilon ,MinPts \right )
(ϵ,MinPts)为（0.8，2），表示半径最大为0.8，分类中，每个类最少2个样本。
2.遍历样本集合D,首先取出
x
1
x_{1}
x1，计算与其他样本的距离，判断小于0.8的样本个数是否不少于2，加入满足条件，
x
1
x_{1}
x1就是中心点，停止遍历。
3.遍历样本集合D，以
x
1
x_{1}
x1为中心，假如与
x
6
、
x
4
、
x
10
、
x
12
x_{6}、x_{4}、x_{10}、x_{12}
x6、x4、x10、x12距离小于0.8.则为一类
C
1
C_{1}
C1={
x
1
、
x
6
、
x
4
、
x
10
、
x
12
x_{1}、x_{6}、x_{4}、x_{10}、x_{12}
x1、x6、x4、x10、x12}。
4.将分好类的样本从集合中减去，D=
x
2
、
x
3
、
x
5
、
x
7
、
x
8
、
x
9
、
x
11
x_{2}、x_{3}、x_{5}、x_{7}、x_{8}、x_{9}、x_{11}
x2、x3、x5、x7、x8、x9、x11。重复第2部，找到新的中心点，重复第3步，这样第二个类就分好了，重复2、3步，直到集合D为0.
DBSCAN程序示例代码
import matplotlib.pyplot as plt
import matplotlib as mpl
import scipy.io
from sklearn.cluster import DBSCAN
def loaddata():
data = scipy.io.loadmat('cluster_data.mat')
return data['X']
X = loaddata()
#参数1：就是文中的$\epsilon$
#参数2：就是文中的MinPts
#参数3：亲密度衡量方式，也就是距离计算公式
model = DBSCAN(eps=0.5, min_samples=5, metric='euclidean')
model.fit(X)
print('每个样本所属的簇:',model.labels_)
cm_dark = mpl.colors.ListedColormap(['g','r','b','c'])
plt.scatter(X[:, 0], X[:, 1], c=model.labels_, cmap=cm_dark, s=20)
plt.show()
补充
核心对象：就是我们选出来的中心，满足的要求上面已经介绍过。
密度直达:核心对象与领域内的每个点都是密度直达，可以理解为，在这个圆内的点和中心都是密度直达，其他的不叫密度直达。
密度可达：在同一个领域内的所有点，两个点可以通过中心相连，这样就是密度可达，所以可以理解为，这个圆内除了中心外的两个点都是密度可达。
密度相连：相比于密度可达，区别在于，点之间是在不同领域，不同领域的点可以通过多个领域的核心对象点将其相连，也就是不同园内的点，可以通过圆心最终相连。这就是密度相连。
2870
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
