难为女儿红主题曲,潘辰整容,零点书屋
本文实例讲述了python基于聚类算法实现密度聚类(dbscan)计算。分享给大家供大家参考，具体如下：
算法思想
基于密度的聚类算法从样本密度的角度考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇得到最终结果。
几个必要概念：
ε-邻域：对于样本集中的xj, 它的ε-邻域为样本集中与它距离小于ε的样本所构成的集合。
核心对象：若xj的ε-邻域中至少包含minpts个样本，则xj为一个核心对象。
密度直达：若xj位于xi的ε-邻域中，且xi为核心对象，则xj由xi密度直达。
密度可达：若样本序列p1, p2, ……, pn。pi+1由pi密度直达，则p1由pn密度可达。
大致思想如下：
1. 初始化核心对象集合t为空，遍历一遍样本集d中所有的样本，计算每个样本点的ε-邻域中包含样本的个数，如果个数大于等于minpts，则将该样本点加入到核心对象集合中。初始化聚类簇数k = 0， 初始化未访问样本集和为p = d。
2. 当t集合中存在样本时执行如下步骤：
q = q+s, p = p-s
3. 划分为c= {c1, c2, ……, ck}
python代码实现
我要评论
#-*- coding:utf-8 -*-
import math
import numpy as np
import pylab as pl
#数据集：每三个是一组分别是西瓜的编号，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"""
#数据处理 dataset是30个样本（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)]
#计算欧几里得距离,a,b分别为两个元组
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):
#初始化核心对象集合t,聚类个数k,聚类集合c, 未访问集合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)
#开始聚类
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
#画图
def draw(c):
colvalue = ['r', 'y', 'g', 'b', 'c', 'k', 'm']
for i in range(len(c)):
coo_x = [] #x坐标列表
coo_y = [] #y坐标列表
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)
本机测试运行结果图：
更多关于python相关内容感兴趣的读者可查看本站专题：《python数学运算技巧总结》、《python数据结构与算法教程》、《python函数使用技巧总结》、《python字符串操作技巧汇总》及《python入门与进阶经典教程》
希望本文所述对大家python程序设计有所帮助。
如对本文有疑问，请在下面进行留言讨论，广大热心网友会与你互动！！ 点击进行留言回复
新手学习Python2和Python3中print不同的用法
Python基于os.environ从windows获取环境变量
网友评论