【问题标题】:How to adjust this DBSCAN algorithm python如何调整这个 DBSCAN 算法 python
【发布时间】:2016-06-28 12:59:17
【问题描述】:

我正在使用这种聚类算法来聚类纬度和经度点。我正在使用http://scikit-learn.org/stable/auto_examples/cluster/plot_dbscan.html 提供的预先编写的代码。

代码如下,我的文件包含超过 4000 个纬度和经度点。但是,我想调整此代码,使其仅将集群定义为彼此相距 0.000020 以内的点,因为我希望我的集群几乎处于街道水平。

目前我得到 11 个集群,而理论上我需要至少 100 个集群。我尝试调整和更改不同的数字,但无济于事。

print(__doc__)

import numpy as np

from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.preprocessing import StandardScaler


##############################################################################
# Generate sample data
input = np.genfromtxt(open("dataset_import_noaddress.csv","rb"),delimiter=",", skip_header=1)
coordinates = np.delete(input, [0,1], 1)

X, labels_true = make_blobs(n_samples=4000, centers=coordinates, cluster_std=0.0000005,
                        random_state=0)

X = StandardScaler().fit_transform(X)

##############################################################################
# Compute DBSCAN
db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
core_samples_mask[db.core_sample_indices_] = True
labels = db.labels_

# Number of clusters in labels, ignoring noise if present.
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)

print('Estimated number of clusters: %d' % n_clusters_)
print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels))
print("Completeness: %0.3f" % metrics.completeness_score(labels_true, labels))
print("V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels))
print("Adjusted Rand Index: %0.3f"
  % metrics.adjusted_rand_score(labels_true, labels))
print("Adjusted Mutual Information: %0.3f"
  % metrics.adjusted_mutual_info_score(labels_true, labels))
print("Silhouette Coefficient: %0.3f"
  % metrics.silhouette_score(X, labels))

##############################################################################
# Plot result
import matplotlib.pyplot as plt

# Black removed and is used for noise instead.
unique_labels = set(labels)
colors = plt.cm.Spectral(np.linspace(0, 1, len(unique_labels)))
for k, col in zip(unique_labels, colors):
    if k == -1:
        # Black used for noise.
        col = 'k'

    class_member_mask = (labels == k)

    xy = X[class_member_mask & core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col,
         markeredgecolor='k', markersize=14)

    xy = X[class_member_mask & ~core_samples_mask]
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col,
         markeredgecolor='k', markersize=6)

plt.title('Estimated number of clusters: %d' % n_clusters_)
plt.show()

【问题讨论】:

    标签: python algorithm cluster-analysis data-mining dbscan


    【解决方案1】:

    您似乎只是在更改数据生成

    X, labels_true = make_blobs(n_samples=4000, centers=coordinates, cluster_std=0.0000005,
                        random_state=0)
    

    而不是聚类算法:

    db = DBSCAN(eps=0.3, min_samples=10).fit(X)
                ^^^^^^^ almost your complete data set?
    

    对于地理数据,请确保使用半正弦距离而不是欧几里得距离。地球更像是一个球体,而不是一个平坦的欧几里得世界。

    【讨论】:

    • 感谢您的帮助,我已经更改了 eps=0.000010 并且我只获得了 28 个集群,而我期待更多。你有什么建议为什么会这样吗?谢谢!
    • 好吧,研究数据。 DBSCAN 将合并相邻的 blob。 epsilon 不是最大距离。
    猜你喜欢
    • 2021-04-19
    • 2014-07-11
    • 2020-02-14
    • 1970-01-01
    • 2017-03-05
    • 1970-01-01
    • 1970-01-01
    • 2019-04-18
    • 1970-01-01
    相关资源
    最近更新 更多