DBSCAN聚类算法

定义 1、可以把该密度聚类算法理解成：抱团玩耍。

2、DBSCAN 是一种基于密度的聚类算法，密度聚类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间是紧密相连的。在该类别任意样本周围不远处一定有同类别的样本存在。通过将紧密相连的样本划为一类，得到一个聚类类别。通过将所有各组紧密相连的样本划为各个不同的类别，得到了最终的所有聚类类别结果。
3、DBSCAN 是基于一组邻域来描述样本集的紧密程度的，参数 (Eps, MinPts) 用来描述邻域的样本分布紧密程度。其中，Eps 描述了某一样本的邻域距离阈值，MinPts 描述了某一样本的距离为 Eps 的邻域中样本个数的阈值。
4、本算法主要用到的是：领域和核心对象。
DBSCAN 算法需要用户输入 2 个参数：一个参数是半径 (Eps)，表示以给定点 P为中心的圆形邻域的范围；另一个参数是以点 P为中心的邻域内最少点的数量 (MinPts)。如果满足以点 P为中心、半径为 Eps 的邻域内的点的个数不少于 MinPts，则称点 P为核心点。

知识点

DBSCAN算法包括处理数据、密度聚类实现、画图三个步骤。其中所应用的数据集为Iris数据集，导入时只取特征值部分。密度聚类实现部分需要调用两个便利函数，分别为：计算两个向量间欧式距离函数及获取核心对象函数。

处理数据的工作原理是将数据集中可用于训练的样本提出来。本算法所需要的数据集需为连续型数据集，提取连续性数据集iris中的特征数据并根据算法进行分类预测。

密度聚类实现的工作原理是输入两个参数：邻域半径和最小样本数。通过随机选取某个样本，调用计算两个向量间欧式距离函数及获取核心对象函数，计算满足条件的蔟。

画图的工作原理是使用python常用可视化工具对所得分类蔟进行直观呈现。通过输入分类蔟的信息，将不同蔟以不同特征呈现在同一图像上，直观反映分类效果。

优缺点 优点： （1）可以对任意形状的稠密数据集进行聚类，KK KK-means 聚类算法一般只适用于凸数据集。

(2) 可以在聚类的同时发现异常点，对数据集中的异常点不敏感。

(3) 聚类结果没有偏倚。KK KK-means 聚类算法初始值对聚类结果有很大影响。

缺点：
1、当数据量增大时，要求较大的内存支持，I/O 消耗也很大。
2、当空间聚类的密度不均匀、聚类间距差相差很大时，聚类质量较差。
3、参数敏感。聚类结果与用户输入的邻域半径及密度域值密切相关，可能由于用户对数据特点不了解而输入不合适的参数，进而得出不准确的结论。

代码实现/center>

# -*- coding: utf-8 -*-
import numpy as np
import operator
import matplotlib
import matplotlib.pyplot as plt
import pandas as pd
import math
import time

def loaddata():
    df_data = pd.read_csv('C:/Users/hzt123/Desktop/Database/irisdata.csv')
    dataSet = np.array(df_data.values[:,:-1]) # 数据处理为numpy.array类型
    #print(dataSet)
    #train_x = dataSet[:,:-1]
    #train_y = dataSet[:,-1]
    #print(train_y)
    #print(dataSet)
    return dataSet   #,train_x,train_y


###密度聚类，需要输入的是参数Epsilon，半径 eps 和密度阈值 MinPts
#计算两个向量之间的欧式距离
def calDist(X1 , X2 ):
    sum = 0
    for x1 , x2 in zip(X1 , X2