【聚类算法】DBSCAN详解

2024-04-27 09:38
文章标签 算法 详解 聚类 dbscan

本文主要是介绍【聚类算法】DBSCAN详解,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

目录

  • 定义
  • 计算步骤
  • 代码演示
  • 总结

定义

今天,我们一起学习聚类算法分享章节中中的最后一类 —— 密度聚类算法。而在密度聚类里面最具代表性的是DBSCAN。(Density-Based Spatial Clustering of Applications with Noise)对应的中文翻译就是基于密度的噪点空间聚类法。名字是不是有点拗口?其实没关系。你只要记住它是基于点密度的聚类方法就可以了。
在学习这个算法之间,我们需要先定义几个基本概念:

  • 邻域:对于任意样本点i和给定距离r,i的e邻域是指所有与样本xi距离不大于e的样本集合,也就是下图中下x1的圈;
  • 核心对象:若样本xi的r邻域中至少包含MinPts个样本,则xi是一个核心对象,也就是点x1;
  • 密度直达:若样本j在样本i的r邻域中,且i是核心对象,则称样本j由样本i密度直达,相当于x1圈中的点;
  • 密度可达:对于样本i和样本j,如果存在样本序列p1,p2,…,pn,其中p1=i,pn=j,并且pm由pm-1密度直达,则称样本i与样本j密度可达;
  • 密度相连:对于样本i和样本j,若存在样本k使得i与j均由k密度可达,则称i与j密度相连

在这里插入图片描述
这里稍微总结一下。假设x1~x4是我们的核心。那么每一个以核心为圆心,半径是r的圈内的点就相对于圆心密度直达。核心与核心之间相互链接,他们共同组成一个密度可达的样本。

计算步骤

还在蒙蔽中?没关系,我们尝试通过计算步骤去理解这个算法。

  • 首先从数据集中找任意一点a作为核心,然后找到与这个点距离小于或等于本经r的所有点。若这些点的总数小于预设值min_samples时,我们则认为a点是噪音点。若a点的种输大于预设值,我们则认为这是一个簇。并设置a点为簇的质心
  • 然后依次访问圆内的点。如果他们没有被分配,则把他们归为第一步生成的簇。若刚好这个点也是质心,则把两个簇合并。知道簇内没有更多的点为止
  • 重复遍历1,2步,直到所有的点都被遍历过,并把他们划分是某个簇还是不属于任何簇为止

代码演示

介绍完这个算法的概念和计算步骤之后。下面又到了程序员最喜欢也最刺激的部分了,coding。DBSCAN在Scikit-learn有成熟的包可以提供给我们使用。同时我们还需要matplotlib来帮助我们画图,以更方便的展现我们的数据。这个代码的例子其实来源于官方的样例,因为我自己写了一下,发现效果展示还不如他们的。所以下面是我讲解官方这段代码的部分。

import numpy as npfrom sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.preprocessing import StandardScaler# 生成样样本数据
centers = [[1, 1], [-1, -1], [1, -1]]
# make_blobs是常用的聚类数据生成类,主要用于生成测试数据并测试模型# n_samples是待生成的样本的总数。# centers表示类别数。# cluster_std表示每个类别的方差
X, labels_true = make_blobs(n_samples=750, centers=centers, cluster_std=0.4)
X = StandardScaler().fit_transform(X)# 计算DBSCAN,半径是0.3,最小包含样本是10#注意:这里就是我们本期内容的学习核心
db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_# 统计簇中labels的数量,这里注意要去除上述所得噪音数据
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)print('生成 %d 个簇' % n_clusters_)
print("同质性: %0.3f" % metrics.homogeneity_score(labels_true, labels))
print("完整性: %0.3f" % metrics.completeness_score(labels_true, labels))
print("V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels))
print("调整兰特指数 %0.3f"% metrics.adjusted_rand_score(labels_true, labels))
print("调整后的相互信息: %0.3f"% metrics.adjusted_mutual_info_score(labels_true, labels))
print("轮廓系数: %0.3f"% metrics.silhouette_score(X, labels))# 展示样本图,下面这段可以在Jupyter另外一个cell执行
import matplotlib.pyplot as plt# 用噪音替代黑点
unique_labels = set(labels)
colors = plt.cm.Spectral(np.linspace(0, 1, len(unique_labels)))
for k, col in zip(unique_labels, colors):if k == -1:col = 'k'class_member_mask = (labels == k)xy = X[class_member_mask & core_samples_mask]plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col,markeredgecolor='k', markersize=14)xy = X[class_member_mask & ~core_samples_mask]plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col,markeredgecolor='k', markersize=6)plt.title('DBSCAN生成了 %d 个簇' % n_clusters_)
plt.show()

其实整个步骤非常简单,就是先利用make_blobs生成我们需要的数据。然后通过DBSCAN去聚类我们的数据,最后生成样本图展示。有趣的是,你们可以尝试调整半径和最小质心数。看看最后的结果会怎么样?

总结

DBSCAN是一个聚类算法。所以它属于非监督学习。与层次聚类或者K-Means又不一样。他是根据样本的密度来聚类数据。但是他同样是存在优缺点的。
优点

  • 不需要开发者先验的划分簇的个数
  • 可以划分复杂形状的簇
  • 可以有效识别出噪音点,异常点。所以他对数据异常点不敏感

缺点

  • 运行效率比K-Means要慢一点,但还是可以执行较大的数据集
  • 需要预先设定eps=和min_samples,这个需要大量的调整和实验
    点我算法分享

参考笔记
http://scikit-learn.sourceforge.net/stable/modules/generated/sklearn.cluster.dbscan.html
https://zh.wikipedia.org/wiki/DBSCAN
https://www.jianshu.com/p/e594c2ce0ac0

这篇关于【聚类算法】DBSCAN详解的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/940154

相关文章

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

详解C#如何提取PDF文档中的图片

《详解C#如何提取PDF文档中的图片》提取图片可以将这些图像资源进行单独保存,方便后续在不同的项目中使用,下面我们就来看看如何使用C#通过代码从PDF文档中提取图片吧... 当 PDF 文件中包含有价值的图片,如艺术画作、设计素材、报告图表等,提取图片可以将这些图像资源进行单独保存,方便后续在不同的项目中使

Android中Dialog的使用详解

《Android中Dialog的使用详解》Dialog(对话框)是Android中常用的UI组件,用于临时显示重要信息或获取用户输入,本文给大家介绍Android中Dialog的使用,感兴趣的朋友一起... 目录android中Dialog的使用详解1. 基本Dialog类型1.1 AlertDialog(

C#数据结构之字符串(string)详解

《C#数据结构之字符串(string)详解》:本文主要介绍C#数据结构之字符串(string),具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教... 目录转义字符序列字符串的创建字符串的声明null字符串与空字符串重复单字符字符串的构造字符串的属性和常用方法属性常用方法总结摘

Java中StopWatch的使用示例详解

《Java中StopWatch的使用示例详解》stopWatch是org.springframework.util包下的一个工具类,使用它可直观的输出代码执行耗时,以及执行时间百分比,这篇文章主要介绍... 目录stopWatch 是org.springframework.util 包下的一个工具类,使用它

Java进行文件格式校验的方案详解

《Java进行文件格式校验的方案详解》这篇文章主要为大家详细介绍了Java中进行文件格式校验的相关方案,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、背景异常现象原因排查用户的无心之过二、解决方案Magandroidic Number判断主流检测库对比Tika的使用区分zip

Java实现时间与字符串互相转换详解

《Java实现时间与字符串互相转换详解》这篇文章主要为大家详细介绍了Java中实现时间与字符串互相转换的相关方法,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录一、日期格式化为字符串(一)使用预定义格式(二)自定义格式二、字符串解析为日期(一)解析ISO格式字符串(二)解析自定义

springboot security快速使用示例详解

《springbootsecurity快速使用示例详解》:本文主要介绍springbootsecurity快速使用示例,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝... 目录创www.chinasem.cn建spring boot项目生成脚手架配置依赖接口示例代码项目结构启用s

Python中随机休眠技术原理与应用详解

《Python中随机休眠技术原理与应用详解》在编程中,让程序暂停执行特定时间是常见需求,当需要引入不确定性时,随机休眠就成为关键技巧,下面我们就来看看Python中随机休眠技术的具体实现与应用吧... 目录引言一、实现原理与基础方法1.1 核心函数解析1.2 基础实现模板1.3 整数版实现二、典型应用场景2

一文详解SpringBoot响应压缩功能的配置与优化

《一文详解SpringBoot响应压缩功能的配置与优化》SpringBoot的响应压缩功能基于智能协商机制,需同时满足很多条件,本文主要为大家详细介绍了SpringBoot响应压缩功能的配置与优化,需... 目录一、核心工作机制1.1 自动协商触发条件1.2 压缩处理流程二、配置方案详解2.1 基础YAML