1. 基于密度的聚类算法
基于密度的聚类算法主要思想是只要邻近区域的密度（对象的个数）超过某个阈值，就把它加入到与之相近的聚类中。基于密度的聚类算法代表有DBSCAN算法、OPTICS算法及DENCLUE算法等。
2. DBSCAN(Density-Based Spatial Clustering of Applications with Noise)
DBSCAN是一个比较有代表性的基于密度，对噪声鲁棒的空间聚类算法。与划分和层次聚类方法不同，它将簇定义为密度相连的点的最大集合，能够把具有足够高密度的区域划分为簇，并可在噪声的空间数据库中发现任意形状的聚类。
3. DBSCAN中的参数和定义
Ε邻域：给定对象半径为Ε内的区域(d维超球)称为该对象的Ε邻域；
核心对象：如果给定对象Ε邻域内的样本点数大于等于MinPts(密度阈值)，则称该对象为核心对象；
边界点：若某个对象点不是核心对象点，但落在了某个核心点的E领域内，则称为边界点。
直接密度可达：对于样本集合D，如果样本点q在p的Ε邻域内，并且p为核心对象，那么对象q从对象p直接密度可达。
密度可达：对于样本集合D，给定一串样本点p1,p2….pn，p= p1,q= pn,假如对象pi从pi-1直接密度可达，那么对象q从对象p密度可达。
密度相连：存在样本集合D中的一点o，如果对象o到对象p和对象q都是密度可达的，那么p和q密度相联。
参数选择技巧：
半径E,可以根据K距离来设定:找突变点
K距离:给定数据集P={p(); i=0,1...n} ,计算点P(i)到集合D的子集S中所有点之间的距离,距离按照从小到大的顺序排序, d(k)就被称为k-距离。
MinPts : k-距离中k的值, -般取的小一些,多次尝试
4. DBSCAN聚类过程
5. 优点与缺点
优点：
- 不需要指定簇的个数
- 可以发现任意形状的簇
- 擅长找到离群点（检测任务）
- 两个参数就够了
缺点：
- 高维数据有些困难（可以做降维）
- 参数难以选择（参数对结果的影响非常大）
- Sklearn中效率很慢（数据削减策略）
6. 代码实现
from sklearn.cluster import DBSCAN
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus']=False #用来正常显示负号
def readFile(path):
df=pd.read_csv(path)
return df
if __name__=='__main__':
#读取数据
df=readFile('data.csv')
dataNd = df.values
print(dataNd)
print(type(dataNd))
DBSCANCluster = DBSCAN(eps=2, min_samples=4,metric='euclidean').fit(dataNd)#距离度量默认为euclidean
print(DBSCANCluster.labels_)
# 绘制图形
fig = plt.figure(1)
colors = ['r', 'g', 'y', 'b', 'r', 'c', 'g', 'b', 'k', 'm']
x = df.iloc[0:, 0].to_list()
print(x)
print(type(x))
y = df.iloc[0:, 1].to_list()
print(y)
area = 20 * np.arange(1, 10) # 设置点的面积大小 area 值
plt.scatter(x, y, alpha=0.5, marker='o')
plt.xlabel('X坐标')
plt.ylabel('Y坐标')
# 设置横轴的上下限值
plt.xlim(-5, 20)
# 设置纵轴的上下限值
plt.ylim(-5, 20)
# plt.savefig('test_xx.png', dpi=200, bbox_inches='tight', transparent=False)
plt.show()
# 绘制聚类后的图形
# 获取标签
label_DBSCAN = DBSCANCluster.labels_
set_label_DBSCAN=set(label_DBSCAN)
print(label_DBSCAN)
print(len(set_label_DBSCAN))
set_len=len(set_label_DBSCAN)#后面绘制图形时，不绘制离群数据点颜色
if -1 in label_DBSCAN:
set_len=set_len-1
color=['red','orange','blue','green','purple','cyan']
print(set_len)
for i in range(0,set_len):
print(i)
x0,y0= np.array(x)[label_DBSCAN == i], np.array(y)[label_DBSCAN == i]
plt.scatter(x0, y0, c=color[i], marker='o')
x0, y0 = np.array(x)[label_DBSCAN == -1], np.array(y)[label_DBSCAN == -1]
plt.scatter(x0, y0, alpha=0.5, marker='o')
# 获取数据值所在的范围
x_min, x_max = np.array(x).min() - 1, np.array(x).max() + 1
y_min, y_max = np.array(y).min() - 1, np.array(y).max() + 1
# 生成网格矩阵，半天未能运行出来，消耗较大内存
# xx, yy = np.meshgrid(np.arange(x_min, x_max, 0.05), np.arange(y_min, y_max, 0.05))
# z = DBSCANCluster.fit_predict(np.c_[xx.ravel(), yy.ravel()])
# z = z.reshape(xx.shape)
# cs = plt.contourf(xx, yy, z)
plt.xlabel('X坐标')
# # 设置Y轴标签
plt.ylabel('Y坐标')
plt.xlim(-5, 20)
# 设置纵轴的上下限值
plt.ylim(-5, 20)
plt.show()
上述参数选择的固定值，不一定得到的聚类效果最好，可以采取多组值，判断轮廓系数，选择好的一组，也可以考虑根据上文的参数选择方式选择半径与密度阈值。
附上数据与代码：
链接：https://pan.baidu.com/s/1qC284ORBLw674DyRsKX9Hg
提取码：7uu8
若存在不足之处，欢迎指正与评论，若觉得有帮助，请点赞!
标签：DBSCAN,label,print,算法,plt,聚类,np From： https://www.cnblogs.com/wancy/p/16923220.html