python實現密度聚類(模板代碼+sklearn代碼)

有人好奇，為什麼有sklearn庫了還要自己去實現呢？其實，庫的代碼是比自己寫的高效且容易，但自己實現代碼會對自己對算法的理解更上一層樓。

#調用科學計算包與繪圖包 import numpy as np import random import matplotlib.pyplot as plt

# 獲取數據 def loadDataSet(filename): dataSet=np.loadtxt(filename,dtype=np.float32,delimiter=',') return dataSet

#計算兩個向量之間的歐式距離 def calDist(X1 , X2 ): sum = 0 for x1 , x2 in zip(X1 , X2): sum += (x1 - x2) ** 2 return sum ** 0.5

#獲取一個點的ε-鄰域（記錄的是索引） def getNeibor(data , dataSet , e): res = [] for i in range(dataSet.shape[0]): if calDist(data , dataSet[i])<e: res.append(i) return res

#密度聚類算法 def DBSCAN(dataSet , e , minPts): coreObjs = {}#初始化核心對象集合 C = {} n = dataSet.shape[0] #找出所有核心對象，key是核心對象的index，value是ε-鄰域中對象的index for i in range(n): neibor = getNeibor(dataSet[i] , dataSet , e) if len(neibor)>=minPts: coreObjs[i] = neibor oldCoreObjs = coreObjs.copy() k = 0#初始化聚類簇數 notAccess = list(range(n))#初始化未訪問樣本集合（索引） while len(coreObjs)>0: OldNotAccess = [] OldNotAccess.extend(notAccess) cores = coreObjs.keys() #隨機選取一個核心對象 randNum = random.randint(0,len(cores)-1) cores=list(cores) core = cores[randNum] queue = [] queue.append(core) notAccess.remove(core) while len(queue)>0: q = queue[0] del queue[0] if q in oldCoreObjs.keys() : delte = [val for val in oldCoreObjs[q] if val in notAccess]#Δ = N(q)∩Γ queue.extend(delte)#將Δ中的樣本加入隊列Q notAccess = [val for val in notAccess if val not in delte]#Γ = ΓΔ k += 1 C[k] = [val for val in OldNotAccess if val not in notAccess] for x in C[k]: if x in coreObjs.keys(): del coreObjs[x] return C

# 代碼入口 dataSet = loadDataSet(r"E:jupytersklearn學習sklearn聚類DataSet.txt") print(dataSet) print(dataSet.shape) C = DBSCAN(dataSet, 0.11, 5) draw(C, dataSet)



下面是調用sklearn庫的實現

db = skc.DBSCAN(eps=1.5, min_samples=3).fit(dataSet) #DBSCAN聚類方法 還有參數，matric = ""距離計算方法 labels = db.labels_ #和X同一個維度，labels對應索引序號的值 為她所在簇的序號。若簇編號為-1，表示為噪聲 print('每個樣本的簇標號:') print(labels) raito = len(labels[labels[:] == -1]) / len(labels) #計算噪聲點個數佔總數的比例 print('噪聲比:', format(raito, '.2%')) n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0) # 獲取分簇的數目 print('分簇的數目: %d' % n_clusters_) print("輪廓係數: %0.3f" % metrics.silhouette_score(X, labels)) #輪廓係數評價聚類的好壞 for i in range(n_clusters_): print('簇 ', i, '的所有樣本:') one_cluster = X[labels == i] print(one_cluster) plt.plot(one_cluster[:,0],one_cluster[:,1],'o') plt.show()