[人工智能] 利用鸢尾花数据集复现DBSCAN密度聚类算法

开发: C++知识库 Java知识库 JavaScript Python PHP知识库人工智能区块链大数据移动开发嵌入式开发工具数据结构与算法开发测试游戏开发网络协议系统运维
教程: HTML教程 CSS教程 JavaScript教程 Go语言教程 JQuery教程 VUE教程 VUE3教程 Bootstrap教程 SQL数据库教程 C语言教程 C++教程 Java教程 Python教程 Python3教程 C#教程
数码: 电脑笔记本显卡显示器固态硬盘硬盘耳机手机 iphone vivo oppo 小米华为单反装机图拉丁

-> 人工智能 -> 利用鸢尾花数据集复现DBSCAN密度聚类算法 -> 正文阅读

[人工智能]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

在这里插入图片描述

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；

在这里插入图片描述

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')

在这里插入图片描述

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