【挖掘模型】：Python-DBSCAN算法

数据源:data (7).csv

data (7).csv

DBSCAN算法结果

DBSCAN模型

DBSCAN原理

# DBSCAN算法：将簇定义为密度相连的点最大集合，能够把具有足够高密度的区域划分为簇，并且可在噪声的空间数据集中发现任意形状的簇。
    # 密度：空间中任意一点的密度是以该点为圆心，以EPS为半径的圆区域内包含的点数目
    # 边界点：空间中某一点的密度，如果小于某一点给定的阈值minpts,则称为边界点
    # 噪声点：不属于核心点，也不属于边界点的点，也就是密度为1的点
# API:
    # model = sklearn.cluster.DBSCAN(eps_领域大小圆半径,min_samples_领域内，点的个数的阈值)
    # model.fit(data) 训练模型
    # model.fit_predict(data) 模型的预测方法

DBSCAN代码-A

import pandas
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
#导入数据
data = pandas.read_csv("F:\\python 数据挖掘分析实战\\Data\\data (7).csv")

eps = 0.2;
MinPts = 5;

model = DBSCAN(eps, MinPts)

model.fit(data)

data['type'] = model.fit_predict(data)

plt.scatter(
   data['x'], 
   data['y'],
   c=data['type']
)

DBSCAN代码-B

import numpy
import pandas
import matplotlib.pyplot as plt

#导入数据
data = pandas.read_csv("F:\\python 数据挖掘分析实战\\Data\\data (7).csv")

plt.scatter(
   data['x'], 
   data['y']
)

eps = 0.2;
MinPts = 5;

from sklearn.metrics.pairwise import euclidean_distances

ptses = []
dist = euclidean_distances(data)
for row in dist:
   #密度,空间中任意一点的密度是以该点为圆心、以 Eps 为半径的圆区域内包含的点数
   density = numpy.sum(row<eps)
   pts = 0;
   if density>MinPts:
       #核心点（Core Points）
       #空间中某一点的密度，如果大于某一给定阈值MinPts，则称该为核心点
       pts = 1
   elif density>1 :
       #边界点（Border Points）
       #空间中某一点的密度，如果小于某一给定阈值MinPts，则称该为边界点
       pts = 2
   else:
       #噪声点（Noise Points）
       #数据集中不属于核心点，也不属于边界点的点，也就是密度值为1的点
       pts = 0
   ptses.append(pts)

#把噪声点过滤掉，因为噪声点无法聚类，它们独自一类
corePoints = data[pandas.Series(ptses)!=0]

coreDist = euclidean_distances(corePoints)

#首先，把每个点的领域都作为一类
#邻域（Neighborhood）
#空间中任意一点的邻域是以该点为圆心、以 Eps 为半径的圆区域内包含的点集合
cluster = dict();
i = 0;
for row in coreDist: 
   cluster[i] = numpy.where(row<eps)[0]
   i = i + 1

#然后，将有交集的领域，都合并为新的领域
for i in range(len(cluster)):
   for j in range(len(cluster)):
       if len(set(cluster[j]) & set(cluster[i]))>0 and i!=j:
           cluster[i] = list(set(cluster[i]) | set(cluster[j]))
           cluster[j] = list();

#最后，找出独立（也就是没有交集）的领域，就是我们最后的聚类的结果了
result = dict();
j = 0
for i in range(len(cluster)):
 if len(cluster[i])>0:
   result[j] = cluster[i]
   j = j + 1

#找出每个点所在领域的序号，作为他们最后聚类的结果标记
for i in range(len(result)):
   for j in result[i]:
       data.at[j, 'type'] = i

plt.scatter(
   data['x'], 
   data['y'],
   c=data['type']
)

参考文献
作者A：ken