利用鸢尾花数据集复现DBSCAN密度聚类算法

生成数据集

from sklearn import datasets
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import random 
data = datasets.load_iris()[:,:2].tolist()
data

• 为了后续可视化方便，故此处选择生成二维数据集，毕竟画二维散点图不怎么需要动脑子；

生成核心对象

MIN_PTS = 3
E = .1
O = []
for i in range(len(data)):
	num = 0
	for j in range(len(data)):
		if distance(i,j) <= E:
			num += 1
	if num >= MIN_PTS:
		O.append(data[i]) 
O

对数据集可视化展示

plt.figure(figsize=(3,3),dpi=200)
plt.style.use('seaborn-dark')
for i in range(len(data)):
	plt.scatter(data[i][0],data[i][1],color='red')
for j in range(len(O)):
	plt.scatter(data[j][0],data[j][1],color='blue')

• 此处的红色点以及蓝色点构成所有样本点，而蓝色点也就是我们控制阈值而得出的核心对象；
• 另外，此处所有代码均为现撸，省略很多简单函数，比如distance，懂得自然懂。
  

  
  

  完整代码在jupyter上，需要可私信我或者评论区回复；

利用生成的核心对象生成簇

OBJ = O.copy（） #拷贝核心对象
unflag = data.copy() #拷贝数据集，后续做标记
MIN_PTS = 3 #对象阈值
E = .1 #半径
k = 0 #聚类簇数
colors = ['yellow','green','pink','black']
markers = ['1','2','*','+']
while OBJ：
	obj = OBJ[random.randint(0,len(OBJ)-1)]
	C = [obj] #聚类簇
	Q = [obj] #核心对象遍历，队列
	unflag.remove(obj)
	while Q:
		q = Q[0]
		del Q[0]
		num = 0
		ts = []
		for i in range(len(unflag)):
			if distance(q,unflag[i]) < E:
				num += 1
				ts.append(unflag(i))
			if num >= MIN_PTS:
				for s in ts:
					if s in unflag:
						Q.append(s)
						C.append(s)
						unflag.remove(s)
	for j in C:
		if j in OBJ:
			OBJ.remove(j)
		plt.scatter(j[0],j[1],color=colors[k%4],marker = markers[k%4])
	k += 1

• 阈值可自己调
• 最终分成三类，list ou of range,所以不仅看颜色 更要看形状
  
• 本博客仅用于本人学习使用，不得转载用作他途
• 下期出使用K-means做对比的复现
• 目前来看，DBscan可聚类的形状远不止球状，甚好！