python聚类算法之dbsacn实例分析

本文实例讲述了python聚类算法之dbsacn。分享给大家供大家参考,具体如下:

dbscan:是一种简单的,基于密度的聚类算法。本次实现中,dbscan使用了基于中心的方法。在基于中心的方法中,每个数据点的密度通过对以该点为中心以边长为2*eps的网格(邻域)内的其他数据点的个数来度量。根据数据点的密度分为三类点:

核心点:该点在邻域内的密度超过给定的阀值minps。
边界点:该点不是核心点,但是其邻域内包含至少一个核心点。
噪音点:不是核心点,也不是边界点。

有了以上对数据点的划分,聚合可以这样进行:各个核心点与其邻域内的所有核心点放在同一个簇中,把边界点跟其邻域内的某个核心点放在同一个簇中。

# scoding=utf-8
import pylab as pl
from collections import defaultdict,counter
points = [[int(eachpoint.split(“#”)[0]), int(eachpoint.split(“#”)[1])] for eachpoint in open(“points”,”r”)]
# 计算每个数据点相邻的数据点,邻域定义为以该点为中心以边长为2*eps的网格
eps = 10
surroundpoints = defaultdict(list)
for idx1,point1 in enumerate(points):
for idx2,point2 in enumerate(points):
if (idx1 < idx2): if(abs(point1[0]-point2[0])

Posted in 未分类