DBSCAN 密度聚类算法

1. DBSCAN原理

1. DBSCAN(Density-Based Spatial Clustering of Applications with Noise, 具有噪声的基于密度的聚类方法)
2. 密度聚类原理: 通过将紧密相连的样本划分为一类, 这样就得到了一个聚类类别. 通过将所有各组紧密想来你的样本划为各个不同的类别, 就得到的最终的聚类结果
3. 优点
   1. 不需要设置分类个数
   2. 适用于任意形状数据
   3. 对异常点数据不敏感
   4. 聚类结果没有偏倚
4. 缺点
   1. 样本密度不均匀, 聚类间距相差很大时, 聚类效果较差
   2. 样本集较大时, 聚类收敛时间较长
   3. 调参相对复杂

2. 源码

1. 基于sklearn的DBSCAN

   from sklearn.datasets import make_circles, make_blobs
   import matplotlib.pyplot as plt
   from sklearn.cluster import DBSCAN
   import numpy as np
   
   # 创建数据集
   
   # 环形分布数据: 样本点数, 内圈外圈距离之比, 噪声点的标准差
   x1, y1 = make_circles(n_samples=5000, factor=.6, noise=.05)
   # 团状分布数据: 样本点数, 数据维度, 中心点, 标准差
   x2, y2 = make_blobs(n_samples=1000, n_features=2, centers=[[1.2, 1.2]], cluster_std=[.1])
   
   # 数组拼接
   x = np.concatenate((x1, x2))
   
   # eps: 邻域的距离阈值, 默认0.5
   # min_samples: 领域的样本数阈值, 默认值5
   # metric: 最近邻距离度量参数, 默认欧氏距离
   y_pred = DBSCAN(eps=0.1).fit_predict(x)
   plt.scatter(x[:, 0], x[:, 1], c=y_pred)
   plt.show()
   
   

2. 效果