简单理解
算法里面有两个参数,一个是半径,另一个是数量,根据半径划分范围,在这个范围内的数据可以称为直接密度可达,然后取在这个范围内的每个数据根据半径再继续划分范围,从而达到“传播”的效果
算法优点
不需要事先知道要形成的簇类的数量。
可以发现任意形状的簇类。
对噪声敏感,更容易找到噪声
代码
# 导入包
from sklearn.cluster import KMeans # 算法
from sklearn.datasets import load_iris # 数据集
from sklearn.model_selection import train_test_split # 数据集划分
from sklearn.metrics import accuracy_score #评估
from sklearn.preprocessing import StandardScaler # 标准化
from sklearn.model_selection import GridSearchCV # 交叉验证网格搜索(没用到)
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
iris = load_iris() # 加载数据集
# 获取特征值和目标值,目标值在这里没什么用
X = iris.data[:, 1:3]
Y = iris.target
# 数据分割,测试集为0.2,随机种子2021
X_train, x_test, y_train, y_test = train_test_split(X, Y, test_size=0.2, random_state=2021)
from sklearn.cluster import DBSCAN
# 设置半径为10,最小样本量为2,训练
db = DBSCAN(eps=0.3, min_samples=2).fit(X_train)
labels = db.labels_
# 可视化
plt.figure(figsize=(20, 8))
plt.scatter(X_train[:, 0], X_train[:, 1], c=labels, s=100)