DBSCAN 密度聚类
程序员文章站
2022-07-14 11:40:22
...
DBSCAN 密度聚类
DBSCAN算法是一种基于密度的聚类算法:
• 聚类的时候不需要预先指定簇的个数
• 最终的簇的个数不定
DBSCAN算法将数据点分为三类:
• 核心点:在半径Eps内含有超过MinPts数目的点
• 边界点:在半径Eps内点的数量小于MinPts,但是落在核心点的邻域内
• 噪音点:既不是核心点也不是边界点的点
DBSCAN算法流程:
1.将所有点标记为核心点、边界点或噪声点;
2.删除噪声点;
3.为距离在Eps之内的所有核心点之间赋予一条边;
4.每组连通的核心点形成一个簇;
5.将每个边界点指派到一个与之关联的核心点的簇中(哪一个核心点的半
径范围之内)。
DBSCAN 密度聚类应用
数据介绍:
现有大学校园网的日志数据,290条大学生的校园网使用情况数据,数据包 括用户ID,设备的MAC地址,IP地址,开始上网时间,停止上网时间,上 网时长,校园网套餐等。利用已有数据,分析学生上网的模式。
实验目的:
通过DBSCAN聚类,分析学生上网时间和上网时长的模式。
代码:
#!/usr/bin/env python3
# -*- coding: utf-8 -*-
"""
Created on Thu May 25 20:21:14 2017
@author: xiaolian
"""
import numpy as np
import sklearn.cluster as skc
from sklearn import metrics
import matplotlib.pyplot as plt
mac2id = dict()
onlinetimes = []
f = open('TestData.txt', 'r+', encoding = 'utf-8')
for line in f:
mac = line.split(',')[2]
onlinetime = int(line.split(',')[6])
starttime = int(line.split(',')[4].split(' ')[1].split(':')[0])
if mac not in mac2id:
mac2id[mac] = len(onlinetimes)
onlinetimes.append( (starttime, onlinetime) )
else:
onlinetimes[ mac2id[mac] ] = [(starttime, onlinetime)]
real_x = np.array(onlinetimes)
print(onlinetimes)
print(real_x)
x = real_x[:, 0:1]
print(x)
plt.hist(x, 24)
db = skc.DBSCAN(eps = 0.5, min_samples = 20).fit(x)
labels = db.labels_
print(labels)
ratio = len(labels[labels[:] == -1]) / len(labels)
print(ratio)
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print(n_clusters_)
for i in range(n_clusters_):
print('cluster', i, ':')
print(list(x[labels == i].flatten()))
上一篇: k均值聚类
下一篇: Python 用凝聚层次聚类进行数据分组