机器学习之DBSCAN聚类

机器学习之DBSCAN聚类
# -*- coding: utf-8 -*-
"""
Created on Wed Nov 28 18:50:57 2018

@author: muli
"""

import numpy as np
from sklearn.datasets.samples_generator import make_blobs
from sklearn import  cluster
from sklearn.metrics import adjusted_rand_score
import matplotlib.pyplot as plt


def create_data(centers,num=100,std=0.7):
    '''
    生成用于聚类的数据集

    :param centers: 聚类的中心点组成的数组。如果中心点是二维的，则产生的每个样本都是二维的。
    :param num: 样本数
    :param std: 每个簇中样本的标准差
    :return: 用于聚类的数据集。是一个元组，第一个元素为样本集，第二个元素为样本集的真实簇分类标记
    '''
    X, labels_true = make_blobs(n_samples=num, centers=centers, cluster_std=std)
    return  X,labels_true


def test_DBSCAN(*data):
    '''
    测试 DBSCAN 的用法

    :param data:  可变参数。
    它是一个元组。元组元素依次为：第一个元素为样本集，第二个元素为样本集的真实簇分类标记
    :return: None
    '''
    X,labels_true=data
    print(X)
    print("*")
    print(len(labels_true))
    print("--------------------------")
    clst=cluster.DBSCAN()
    # 训练模型并预测每个样本所属的簇标记
    predicted_labels=clst.fit_predict(X)
    # ARI 指数
    print("ARI:%s"% adjusted_rand_score(labels_true,predicted_labels))
    # 核心样本在原始训练集中的位置
    print(clst.core_sample_indices_)
    print("--------------------------")
    # 将原始数据集划分为 len(X) 个 簇
    print("Core sample num:%d"%len(clst.core_sample_indices_))
    

def test_DBSCAN_epsilon(*data):
    '''
    测试 DBSCAN 的聚类结果随  eps 参数的影响

    :param data:  可变参数。它是一个元组。元组元素依次为：第一个元素为样本集，第二个元素为样本集的真实簇分类标记
    :return: None
    '''
    X,labels_true=data
    epsilons=np.logspace(-1,1.5)
    ARIs=[]
    Core_nums=[]
    for epsilon in epsilons:
        clst=cluster.DBSCAN(eps=epsilon)
        predicted_labels=clst.fit_predict(X)
        ARIs.append( adjusted_rand_score(labels_true,predicted_labels))
        Core_nums.append(len(clst.core_sample_indices_))

    ## 绘图
    fig=plt.figure()
    ax=fig.add_subplot(1,2,1)
    ax.plot(epsilons,ARIs,marker='+')
    ax.set_xscale('log')
    ax.set_xlabel(r"$\epsilon$")
    ax.set_ylim(0,1)
    ax.set_ylabel('ARI')

    ax=fig.add_subplot(1,2,2)
    ax.plot(epsilons,Core_nums,marker='o')
    ax.set_xscale('log')
    ax.set_xlabel(r"$\epsilon$")
    ax.set_ylabel('Core_Nums')

    fig.suptitle("DBSCAN")
    plt.show()


def test_DBSCAN_min_samples(*data):
    '''
    测试 DBSCAN 的聚类结果随  min_samples 参数的影响

    :param data:  可变参数。它是一个元组。元组元素依次为：第一个元素为样本集，第二个元素为样本集的真实簇分类标记
    :return:  None
    '''
    X,labels_true=data
    min_samples=range(1,100)
    ARIs=[]
    Core_nums=[]
    for num in min_samples:
        clst=cluster.DBSCAN(min_samples=num)
        predicted_labels=clst.fit_predict(X)
        ARIs.append( adjusted_rand_score(labels_true,predicted_labels))
        Core_nums.append(len(clst.core_sample_indices_))

    ## 绘图
    fig=plt.figure()
    ax=fig.add_subplot(1,2,1)
    ax.plot(min_samples,ARIs,marker='+')
    ax.set_xlabel( "min_samples")
    ax.set_ylim(0,1)
    ax.set_ylabel('ARI')

    ax=fig.add_subplot(1,2,2)
    ax.plot(min_samples,Core_nums,marker='*')
    ax.set_xlabel( "min_samples")
    ax.set_ylabel('Core_Nums')

    fig.suptitle("DBSCAN")
    plt.show()


if __name__=='__main__':
    centers=[[1,1],[2,2],[1,2],[10,20]] # 用于产生聚类的中心点
    X,labels_true=create_data(centers,1000,0.5) # 产生用于聚类的数据集
#    test_DBSCAN(X,labels_true) #  调用 test_DBSCAN 函数
#    test_DBSCAN_epsilon(X,labels_true) #  调用 test_DBSCAN_epsilon 函数
    test_DBSCAN_min_samples(X,labels_true) #  调用 test_DBSCAN_min_samples 函数
机器学习之DBSCAN聚类

猜你喜欢
