欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页

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 密度聚类

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

DBSCAN 密度聚类

DBSCAN 密度聚类

DBSCAN 密度聚类

DBSCAN 密度聚类

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。

DBSCAN 密度聚类

DBSCAN 密度聚类

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()))