详解DBSCAN算法原理及其Python实现

 更新时间:2023年12月08日 09:13:12   作者:微小冷  
DBSCAN,即Density-Based Spatial Clustering of Applications with Noise,基于密度的噪声应用空间聚类,本文将详细介绍DBSCAN算法的原理及其Python实现,需要的可以参考下

原理

DBSCAN,即Density-Based Spatial Clustering of Applications with Noise,基于密度的噪声应用空间聚类。

在DBSCAN算法中,将数据点分为三类:

1.核心点:若样本xi的ε邻域内至少包含了M个点,则为核心点

2.边界点:若样本xi的ε邻域内包含的点数小于M,但在其他核心点的ε邻域内,则为边界点

3.噪声:既非核心点也非边界点则为噪声

那么,在实际实现DBSCAN算法时,对这三种点理应采取不同的操作

1.若一个点是核心点,那么应该穷尽所有与其相连接的边界点,再得到与边界点相连接的所有点,知道遍历完整个点集。

2.若一个点是边界点,若这个点尚未归类;若已经归类,则如1中所说,继续搜索与其相连的点。

3.若为噪声,则直接跳过。

可见,DBSCAN算法需要两个参数,分别是邻域半径ε和点数M。

Python实现

为了衡量两点之间的距离,计算一个距离矩阵以备调用,可以降低计算次数。对于一组点集data,其欧氏距离矩阵的求解方法如下

# 距离矩阵
def disMat(data):
    arr = np.array(data)
    dMat = lambda arr : arr.reshape(1,-1) - arr.reshape(-1,1)
    # 此为单个轴的距离矩阵
    mats = [dMat(arr[:,i]) for i in range(arr.shape[1])]
    return np.linalg.norm(mats, axis=0)

其中,dMat用于求解一维向量的距离矩阵。

下面则是基于距离矩阵的DBSCAN算法。

import numpy as np

class DBSCAN(object):
    # e 最小距离, minPts 最少样本数量
    def __init__(self, e, minPts):
        self.e = e
        self.minPts = minPts

    # 获取点id的临近点
    def nearby(self, id):
        return np.where(self.mat[id] <= self.e)[0]

    def searchNearbyPts(self, points, group):
        for id in points:
            if id not in self.data:
                continue

            group.append(id)
            self.data.remove(id)

            # 查看id点的临近点
            nearbyPts = self.nearby(id)
            if len(nearbyPts) >= self.minPts:
                self.searchNearbyPts(nearbyPts, group)

    def fit(self, mat):
        self.mat = mat
        groups = list()

        keys = range(mat.shape[0])
        self.data = list(keys)

        for id in keys:
            if id not in self.data:
                continue

            # id点的临近点
            nearbyPts = self.nearby(id)
            if len(nearbyPts) < self.minPts:
                continue

            group = [id]
            self.data.remove(id)
            self.searchNearbyPts(nearbyPts, group)
            groups.append(group)

        # 加入飞点
        groups += self.data
        return groups

在上面的DBSCAN类中,fit相当于执行聚类的开关,其输入参数mat是点集的距离矩阵。

self.data是点的序号的列表。其中的for循环是DBSCAN算法的核心部分,其基本逻辑是,如果一个点已经被归类了,那么就从self.data中删除;如果这个点恰好又是核心点,那么就要搜寻其所有的邻近点。

函数nearby用于查找序号为id的点的所有临近点,searchNearbyPts则将某点的所有临近点进行归类。

验证

其数据生成、绘图代码如下所示

# 初始化数据
def initData(num, min, max):
    return [np.random.randint(min, max, size=2) for _ in range(num)]

def drawRes(data, groups):
    for gp in groups:
        xy = np.array([data[i] for i in gp])
        plt.scatter(xy[:,0], xy[:,1])
    plt.title(u'DBSCAN')
    plt.grid()
    plt.tight_layout()
    plt.show()

if __name__ == '__main__':
    np.random.seed(42)
    ds1 = initData(20, 0, 30)
    ds2 = initData(20, 40, 60)
    ds3 = initData(20, 70, 100)
    ds = ds1 + ds2 + ds3

    score_mat = disMat(ds)

    groups = DBSCAN(20, 3).fit(score_mat)
    drawRes(ds, groups)

聚类结果为

到此这篇关于详解DBSCAN算法原理及其Python实现的文章就介绍到这了,更多相关Python DBSCAN算法内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

相关文章

  • python如何对数组进行降维

    python如何对数组进行降维

    这篇文章主要介绍了python如何对数组进行降维问题,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2023-05-05
  • Python获取当前目录下所有文件的6种方法总结

    Python获取当前目录下所有文件的6种方法总结

    这篇文章主要给大家介绍了关于Python获取当前目录下所有文件的6种方法,要获取当前目录下的所有目录,可以使用Python内置的os模块中的listdir()函数和isdir()函数,需要的朋友可以参考下
    2023-08-08
  • 在Pytorch中简单使用tensorboard

    在Pytorch中简单使用tensorboard

    今天给大家带来的是关于Python的相关知识,文章围绕着Pytorch使用tensorboard展开,文中有非常详细的介绍及代码示例,需要的朋友可以参考下
    2021-06-06
  • Anaconda安装pytorch及配置PyCharm 2021环境

    Anaconda安装pytorch及配置PyCharm 2021环境

    小编使用的是python3.8版本,为了防止访问量过大导致http连接失败,所以采用本地安装,具体安装方法本文给大家详细介绍,在文章底部给大家提到了PyCharm 2021配置环境的方法,感兴趣的朋友一起看看吧
    2021-06-06
  • 如何利用Matlab制作一款真正的拼图小游戏

    如何利用Matlab制作一款真正的拼图小游戏

    这篇文章主要给大家介绍了关于如何利用Matlab制作一款真正的拼图小游戏的相关资料,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
    2021-05-05
  • python用folium绘制地图并设置弹窗效果

    python用folium绘制地图并设置弹窗效果

    这篇文章主要介绍了python用folium绘制地图并设置弹窗,本文通过实例代码给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下
    2021-09-09
  • 利用Python模拟谷歌的小恐龙游戏

    利用Python模拟谷歌的小恐龙游戏

    谷歌流量器中有个很有名的彩蛋:当你网络出现问题时,就会出现一个“小恐龙游戏”。本文就主要为大家介绍了如何用Python模拟实现这一小游戏,感兴趣的同学可以学习一下
    2021-12-12
  • 提高python代码可读性利器pycodestyle使用详解

    提高python代码可读性利器pycodestyle使用详解

    鉴于 Python 在数据科学中的流行,我将深入研究 pycodestyle 的使用方法,以提高 Python 代码的质量和可读性。如果你想提升代码质量,欢迎收藏学习,有所收获,点赞支持
    2021-11-11
  • Python判断Nan值的五种方式小结

    Python判断Nan值的五种方式小结

    这篇文章主要介绍了Python判断Nan值的五种方式小结,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-05-05
  • Python绘制动态的521玫瑰花

    Python绘制动态的521玫瑰花

    敲了这么多年代码,每年都得画一些心啊花啊什么的,所以现在常规的已经有些倦怠了,至少也得来个三维图形才看着比较合理,所以本文就来绘制一个动态的玫瑰花吧
    2023-05-05

最新评论