【机器学习实践】DBSCAN聚类器

DBSCAN算法

网上的资料很多,众多资料给出的算法步骤基本是一样的,无好坏但是有详略之分。
它的优点是可以聚类凹形的数据,这是由它根据距离进行聚类的原理决定的。
个人参考的资料是
风弦鹤:DBSCAN聚类算法——机器学习(理论+图解+python代码)

python实现

个人主要使用numpy和原生python集合类对dbscan类进行了实现,如以下代码所示

#dbscan.py

from os import sep
import numpy as np
import matplotlib.pyplot as plt

class dbscan:
    # epsilon/eps : threshold distance
    # minpts : least points within a center point
    def __init__(self, epsilon:float, minpts:int, debug:bool=False):
        self.epsilon = epsilon
        self.minpts  = minpts
        self.debug = debug
        self.points = None

    def train(self, points:np.ndarray):
        #calculate core points out of all points
        self.points = points
        points_num = np.shape(points)[0]
        dist_ndarray_2d = np.ndarray((points_num, points_num), dtype=np.float)
        for i in range(points_num):# multithread optimization required
            dist_ndarray_2d[i] = np.linalg.norm(points[i] - points, ord=2, axis=1)
        in_eps_tfarray_2d = dist_ndarray_2d < self.epsilon
        iscore_tfarray_1d = np.sum(in_eps_tfarray_2d, axis=1) > self.minpts
        if self.debug:print(in_eps_tfarray_2d, iscore_tfarray_1d)
        #clustering from center points
        #using index as a point
        self.K = 0 #cluster counter
        self.gamma = {i for i in range(points_num)}#not visited points
        self.omega = {i for i in range(points_num) if iscore_tfarray_1d[i] == True}#core points index
        self.clusters = list()
        while len(self.omega) > 0:
            gamma_old = self.gamma
            o = self.omega.pop()
            Queue = {o,}
            while len(Queue) > 0:
                q = Queue.pop()
                Nq_indexarray_1d = np.where(in_eps_tfarray_2d[q] == True)[0]
                Nq = set(Nq_indexarray_1d.tolist())
                if len(Nq) >= self.minpts:
                    delta = Nq & self.gamma
                    Queue |= delta
                    self.gamma = self.gamma.difference(delta)
            self.K += 1
            Ck = gamma_old.difference(self.gamma)
            self.omega = self.omega.difference(Ck)
            self.clusters.append(Ck)
        print(self.clusters)

    def print_clusters(self):
        if self.clusters is None : print("[-] empty clusters");return
        else: 
            ind = 0
            for cluster in self.clusters:
                ind += 1
                print("cluster", ind, ":", sep=' ')
                print(cluster)

    def draw_clusters_2d(self):
        if self.clusters is None : print("[-] empty clusters");return
        elif np.shape(self.points[0]) != (2,) : print("[-] only support 2 dim points");return
        else:
            print("[+] drawing by matplotlib")
            plt.figure(0)
            for cluster in self.clusters:
                color = (np.random.random(), np.random.random(), np.random.random())
                for point_idx in cluster:
                    plt.scatter(self.points[point_idx][0], self.points[point_idx][1], c=color)
            plt.show()

通过代码创建实例并进行训练。画图验证聚类结果。
其中dbscan_testdata.csv这个文件是由个人另外一个程序《快乐单应》改造的程序做出的,类似一个小丑脸的形状(注:2021年年初流行“小丑竟是我自己”,方便考古使用)。

#main.py
import dbscan
import numpy as np
import pandas as pd

yyz_dbscan_cluster_machine = dbscan.dbscan(10, 2)
ndpoints = pd.read_csv("dbscan_testdata.csv", header=None).values


yyz_dbscan_cluster_machine.train(ndpoints)
yyz_dbscan_cluster_machine.print_clusters()
yyz_dbscan_cluster_machine.draw_clusters_2d()

输出结果如下,这些整数均为点的下标

cluster 1 :
{0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 199, 200, 201, 202, 203, 204, 205, 206, 207, 208, 209, 210, 211, 212, 213, 214, 215, 216, 217, 218, 219, 220, 221, 222, 223, 224, 225, 226, 227, 228, 229, 230, 231, 232, 233, 234, 235, 236, 237, 238, 239, 240, 241, 243, 244, 245, 246, 247, 248, 249, 250, 251, 252, 253, 254, 255, 256, 257, 258, 259, 260, 261, 262, 263, 264, 265, 266, 267, 268, 269, 270, 271, 272, 
273, 274, 275, 276, 277, 278, 279, 280, 281, 282, 283, 284, 285, 286, 287, 288}
cluster 2 :
{17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47, 48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63, 64, 65, 66, 67, 68, 69, 70, 71, 72, 73, 74, 75, 76, 77, 78, 79, 80, 81, 82, 83, 84, 85, 86, 87, 88, 89, 90, 91, 92, 93, 94, 95, 96, 97, 98, 99, 100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122, 123, 124, 125, 126, 127, 128, 129, 130, 131, 132, 133, 134, 135, 136, 137, 138, 139, 140, 141, 142, 143, 144, 145, 146, 147, 148, 149, 150, 151, 152, 153, 154, 155, 156, 157, 158, 159, 160, 161, 162, 163, 164, 165, 166, 167, 168, 169, 170, 171, 172, 173, 174, 175, 176, 177, 178, 179, 180, 181, 182, 183, 184, 185, 186, 187, 188, 189, 190, 191, 192, 193, 194, 195, 196, 197, 198, 242}
cluster 3 :
{512, 513, 514, 515, 516, 517, 518, 519, 520, 521, 522, 523, 524, 525, 526, 527, 528, 529, 530, 531, 532, 
533, 534, 535, 536, 537, 538, 539, 540, 541, 542, 543, 544, 545, 546, 547, 548, 549, 550, 551, 552, 553, 554, 555, 556, 557, 558, 559, 560, 561, 562, 563, 564, 565, 566, 567, 568, 569, 570, 497, 498, 499, 500, 501, 502, 503, 504, 505, 506, 507, 508, 509, 510, 511}
cluster 4 :
{289, 290, 291, 292, 293, 294, 295, 296, 297, 298, 299, 300, 301, 302, 303, 304, 305, 306, 307, 308, 309, 
310, 311, 312, 313, 314, 315, 316, 317, 318, 319, 320, 321, 322, 323, 324, 325, 326, 327, 328, 329, 330, 331, 332, 333, 334, 335, 336, 337, 338, 339, 340, 341, 342, 343, 344, 345, 346, 347, 348, 349, 350, 351, 352, 353, 354, 355, 356, 357, 358, 359, 360, 361, 362, 363, 364, 365, 366, 367, 368, 369, 370, 371, 372, 373, 374, 375, 376, 377, 378, 379, 380, 381, 382, 383, 384, 385, 386, 387, 388, 389, 390, 391, 392, 393, 394, 395, 396, 397, 398, 399, 400, 401, 402, 403, 404, 405}
cluster 5 :
{406, 407, 408, 409, 410, 411, 412, 413, 414, 415, 416, 417, 418, 419, 420, 421, 422, 423, 424, 425, 426, 
427, 428, 429, 430, 431, 432, 433, 434, 435, 436, 437, 438, 439, 440, 441, 442, 443, 444, 445, 446, 447, 448, 449, 450, 451, 452, 453, 454, 455, 456, 457, 458, 459, 460, 461, 462, 463, 464, 465, 466, 467, 468, 469, 470, 471, 472, 473, 474, 475, 476, 477, 478, 479, 480, 481, 482, 483, 484, 485, 486, 487, 488, 489, 490, 491, 492, 493, 494, 495, 496}

作出图像为:


DBSCAN聚类结果

可以看出,根据算法的参数,该dbscan对象成功对于二维点进行聚类。而且对于凹形数据集也具有聚类效果,不过“小丑的嘴”被分成了两半,这是因为参数epsilon的取值较小,调整后效果如下图所示。

调整epsilon之后的效果

可以看出直观上连接的整体不再被割裂。

总结

  1. DBSCAN算法是一种效果优秀的聚类算法,可以对凹数据集进行聚类。
  2. 该算法依赖于集合数据结构,而集合在python中被原生实现,也被几乎所有学习python的人熟悉。而使用C++等语言需要使用STL中的集合数据结构。
  3. 非计算机科班出身、没有系统学过数据结构与算法写这种数学算法会慢点,需要逐步加深对于数据结构和算法相统一的理解。
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 205,033评论 6 478
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 87,725评论 2 381
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 151,473评论 0 338
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,846评论 1 277
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,848评论 5 368
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,691评论 1 282
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,053评论 3 399
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,700评论 0 258
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 42,856评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,676评论 2 323
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,787评论 1 333
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,430评论 4 321
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,034评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,990评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,218评论 1 260
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,174评论 2 352
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,526评论 2 343

推荐阅读更多精彩内容