DBSCAN聚类入门案例

简介

DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法，它能够将具有足够高密度的区域划分为聚类，并将低密度区域的点视为噪声。

DBSCAN的主要特点

1. 无需指定聚类数目：与K-means等算法不同，DBSCAN不需要预先指定聚类的数量。
2. 对噪声鲁棒：DBSCAN可以识别并处理数据中的噪声点，将它们标记为噪声而不是错误地归入某个聚类。
3. 发现任意形状的聚类：DBSCAN可以识别出任意形状的聚类，而不仅仅是球形或圆形。

DBSCAN算法动态示意图

sklearn库中的DBSCAN实例使用

在sklearn库中，DBSCAN类实现了DBSCAN聚类算法。以下是一些关键参数的简要介绍：

1. eps (float): 表示邻域半径，即考虑一个点的邻域时的最大距离。这个参数定义了两点之间的最大距离，如果在这个距离内的点被认为是相互连接的。eps的选择对聚类结果有很大影响。

2. min_samples (int): 表示一个点成为核心点所需的最小邻居数目，包括点本身。如果一个点的ε邻域内至少有min_samples个点，则该点被认为是核心点。这个参数与eps一起决定了聚类的形状和大小。

3. metric (string or callable): 用于计算两点之间距离的度量方式。默认是'minkowski'（闵可夫斯基距离），但也可以是'euclidean'（欧几里得距离）、'manhattan'（曼哈顿距离）等，或者是一个自定义的距离度量函数。

运行截图

本案例创建了两个同心圆环形点簇及一个远离圆环的球形点簇，作为训练数据。随后分别使用KMeans和DBSCAN聚类算法对点集进行分类，并可视化展示分类结果。

Full Code

import numpy as np
import matplotlib.pyplot as plt

from sklearn.cluster import KMeans, DBSCAN
from sklearn import datasets

# 创建两个同心圆环数据
X, y = datasets.make_circles(n_samples=1000, noise=0.05, factor=0.5)
# 创建右上角的点簇
X1, y1 = datasets.make_blobs(n_samples=500, n_features=2, centers=[(1.5, 1.5)], cluster_std=0.2)
# 合并数据
X = np.concatenate((X, X1), axis=0)
y = np.concatenate((y, y1 + 2), axis=0)

# 使用Kmeans聚类
kMeans_instance = KMeans(n_clusters=3)
kMeans_instance.fit(X)
y_pred1 = kMeans_instance.predict(X)

# 使用DBSCAN聚类
DBSCAN_instance = DBSCAN(eps=0.2, min_samples=3)
DBSCAN_instance.fit(X)
y_pred2 = DBSCAN_instance.labels_

# 绘图部分
# 创建图像显示的子图
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 5))

ax1.scatter(X[:, 0], X[:, 1], c=y_pred1)
ax1.set_title('KMeans Result')
ax1.axis('off')  # 不显示坐标轴

ax2.scatter(X[:, 0], X[:, 1], c=y_pred2)
ax2.set_title(f'DBSCAN Result')
ax2.axis('off')  # 不显示坐标轴

plt.show()