19.4 使用DBSCAN聚类算法
问题描述
要把观察值分组成高密度的聚类。
解决方案
使用DBSCAN聚类算法：
讨论
聚类是很多观察值紧密聚集在一起的区域，DBSCAN算法就是受这一点的启发而来的，它对于聚类的形状没有做任何假设。具体来说，DBSCAN算法有如下几步：
1．先选择一个随机的观察值。
2．如果x i的近邻数为最小限度数量的话，就把它归入一个聚类。
3．对xi的所有邻居重复执行步骤2，对邻居的邻居也如此，以此类推。
这些点就是聚类的核心观察值。
4．一旦步骤3处理完所有邻近的观察值，就选择一个新的随机点（重新开始执行步骤1）。
一旦完成这些步骤，我们就会得到一个聚类的核心观察值的集合。最后，凡是在聚类附近但又不是核心的观察值将被认为属于这个聚类，而那些离聚类很远的观察值将被标记为噪声。
DBSCAN对象需要设置以下3个主要参数。
eps
从一个观察值到另一个观察值的最远距离，超过这个距离将不再认为二者是邻居。
min_samples
最小限度的邻居数量，如果一个观察值在其周围小于eps距离的范围内有超过这个数量的邻居，就被认为是核心观察值。
metric
eps所用的距离度量，比如minkowski（闵可夫斯基距离）或者euclidean（欧氏距离）。注意，如果使用闵可夫斯基距离，就可以用参数p设定闵可夫斯基距离中的幂次。
如果观察训练集数据中的聚类，可以看到有两个聚类被识别出来，被标记为0和1，噪声观察值则被标记为-1：
延伸阅读
● DBSCAN（Wikipedia,https://en.wikipedia.org/wiki/DBSCAN）
本书评论