溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
本文實例講述了Python基于聚類算法實現密度聚類(DBSCAN)計算。分享給大家供大家參考，具體如下：
算法思想
基于密度的聚類算法從樣本密度的角度考察樣本之間的可連接性，并基于可連接樣本不斷擴展聚類簇得到最終結果。
幾個必要概念：
ε-鄰域：對于樣本集中的xj, 它的ε-鄰域為樣本集中與它距離小于ε的樣本所構成的集合。
核心對象：若xj的ε-鄰域中至少包含MinPts個樣本，則xj為一個核心對象。
密度直達：若xj位于xi的ε-鄰域中，且xi為核心對象，則xj由xi密度直達。
密度可達：若樣本序列p1, p2, ……, pn。pi+1由pi密度直達，則p1由pn密度可達。
大致思想如下：
1. 初始化核心對象集合T為空，遍歷一遍樣本集D中所有的樣本，計算每個樣本點的ε-鄰域中包含樣本的個數，如果個數大于等于MinPts，則將該樣本點加入到核心對象集合中。初始化聚類簇數k = 0， 初始化未訪問樣本集和為P = D。
2. 當T集合中存在樣本時執行如下步驟：
Q = Q+S, P = P-S
3. 劃分為C= {C1, C2, ……, Ck}
Python代碼實現
#-*- coding:utf-8 -*-
import math
import numpy as np
import pylab as pl
#數據集：每三個是一組分別是西瓜的編號，密度，含糖量
data = """
1,0.697,0.46,2,0.774,0.376,3,0.634,0.264,4,0.608,0.318,5,0.556,0.215,
6,0.403,0.237,7,0.481,0.149,8,0.437,0.211,9,0.666,0.091,10,0.243,0.267,
11,0.245,0.057,12,0.343,0.099,13,0.639,0.161,14,0.657,0.198,15,0.36,0.37,
16,0.593,0.042,17,0.719,0.103,18,0.359,0.188,19,0.339,0.241,20,0.282,0.257,
21,0.748,0.232,22,0.714,0.346,23,0.483,0.312,24,0.478,0.437,25,0.525,0.369,
26,0.751,0.489,27,0.532,0.472,28,0.473,0.376,29,0.725,0.445,30,0.446,0.459"""
#數據處理 dataset是30個樣本（密度，含糖量）的列表
a = data.split(',')
dataset = [(float(a[i]), float(a[i+1])) for i in range(1, len(a)-1, 3)]
#計算歐幾里得距離,a,b分別為兩個元組
def dist(a, b):
return math.sqrt(math.pow(a[0]-b[0], 2)+math.pow(a[1]-b[1], 2))
#算法模型
def DBSCAN(D, e, Minpts):
#初始化核心對象集合T,聚類個數k,聚類集合C, 未訪問集合P,
T = set(); k = 0; C = []; P = set(D)
for d in D:
if len([ i for i in D if dist(d, i) <= e]) >= Minpts:
T.add(d)
#開始聚類
while len(T):
P_old = P
o = list(T)[np.random.randint(0, len(T))]
P = P - set(o)
Q = []; Q.append(o)
while len(Q):
q = Q[0]
Nq = [i for i in D if dist(q, i) <= e]
if len(Nq) >= Minpts:
S = P & set(Nq)
Q += (list(S))
P = P - S
Q.remove(q)
k += 1
Ck = list(P_old - P)
T = T - set(Ck)
C.append(Ck)
return C
#畫圖
def draw(C):
colValue = ['r', 'y', 'g', 'b', 'c', 'k', 'm']
for i in range(len(C)):
coo_X = [] #x坐標列表
coo_Y = [] #y坐標列表
for j in range(len(C[i])):
coo_X.append(C[i][j][0])
coo_Y.append(C[i][j][1])
pl.scatter(coo_X, coo_Y, marker='x', color=colValue[i%len(colValue)], label=i)
pl.legend(loc='upper right')
pl.show()
C = DBSCAN(dataset, 0.11, 5)
draw(C)
本機測試運行結果圖：
更多關于Python相關內容感興趣的讀者可查看本站專題：《Python數學運算技巧總結》、《Python數據結構與算法教程》、《Python函數使用技巧總結》、《Python字符串操作技巧匯總》及《Python入門與進階經典教程》
希望本文所述對大家Python程序設計有所幫助。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
