sklearn.cluster.DBSCAN?

class sklearn.cluster.DBSCAN(eps=0.5, *, min_samples=5, metric='euclidean', metric_params=None, algorithm='auto', leaf_size=30, p=None, n_jobs=None)

[源碼]

從向量數組或距離矩陣執行DBSCAN聚類

DBSCAN-基于密度的帶噪聲應用空間聚類。發現高密度的核心樣本并從中膨脹團簇。對于包含類似密度的簇的數據來說是很好的。

在用戶指南中閱讀更多內容。

參數 說明
eps float, default=0.5
輸入數據。兩個樣本之間的最大距離，其中一個被視為另一個樣本的鄰域內。這并不是一個簇內點之間距離的最大界限。。這是為數據集和距離函數適當選擇的最重要的dbscan參數。
min_samples int, default=5
一個點被視為核心點的鄰域內的樣本數(或總權重)。這包括要該點本身
metric string, or callable, default=’euclidean’
在計算特征數組中實例之間的距離時使用的度量。如果度量是字符串或可調用的，則它必須是sklearn.metrics.pairwise_distances為其度量參數所允許的選項之一。如果度量是“precomputed”，則假定X是距離矩陣，并且必須是平方的。X可能是Glossary，在這種情況下，只有“非零”元素可以被視為DBSCAN的鄰居。

新版本0.17中：度量預計算以接受預先計算的稀疏矩陣。
metric_params dict, default=None
度量函數的附加關鍵字參數

新版本0.19中
algorithm {‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}, default=’auto’
NearestNeighbors模塊用于計算點態距離和尋找最近鄰的算法。有關詳細信息，請參閱NearestNeighbors模塊文檔。
p float, default=None
用于計算點間距離的Minkowski度量的冪。
n_jobs int, default=None
要運行的并行數。None意味1， 除非在joblib.parallel_backend環境中。-1指使用所有處理器。有關詳細信息，請參Glossary。
屬性 說明
core_sample_indices_ ndarray of shape (n_core_samples,)
核心樣本的索引。
components_ ndarray of shape (n_core_samples, n_features)
通過訓練找到的每個核心樣本的副本
labels_ ndarray of shape (n_samples)
提供fit()的數據集中每個點的聚類標簽。有噪聲的樣本被賦予標簽-1。

另見：

OPTICS

在EPS的多個值上進行類似的聚類。我們的實現是為內存使用而優化的。

注

有關示例，請看examples/cluster/plot_dbscan.py.

此實現批量計算所有鄰域查詢，這會將內存復雜度增加到O(n.d)，其中d是鄰居的平均數量，而原始DBSCAN的內存復雜度為O(n)。根據algorithm的不同，在查詢這些最近的鄰域時，它可能會吸引更高的內存復雜度。

避免查詢復雜性的一種方法是使用 NearestNeighbors.radius_neighbors_graph并設置 mode='distance',預先計算塊中的稀疏鄰域，然后在這里使用 metric='precomputed' 。

另一種減少內存和計算時間的方法是刪除(接近)重復點，并且使用 sample_weight 代替。

參考

Ester, M., H. P. Kriegel, J. Sander, and X. Xu, “A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise”. In: Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining, Portland, OR, AAAI Press, pp. 226-231. 1996

Schubert, E., Sander, J., Ester, M., Kriegel, H. P., & Xu, X. (2017). DBSCAN revisited, revisited: why and how you should (still) use DBSCAN. ACM Transactions on Database Systems (TODS), 42(3), 19.

示例

>>> from sklearn.cluster import DBSCAN
>>> import numpy as np
>>> X = np.array([[1, 2], [2, 2], [2, 3],
...               [8, 7], [8, 8], [25, 80]])
>>> clustering = DBSCAN(eps=3, min_samples=2).fit(X)
>>> clustering.labels_
array([ 0,  0,  0,  1,  1, -1])
>>> clustering
DBSCAN(eps=3, min_samples=2)

方法

方法 說明
fit(self, X[, y, sample_weight]) 從特征或距離矩陣執行DBSCAN聚類
fit_predict(self, X[, y, sample_weight]) 從特征或距離矩陣執行DBSCAN聚類，并返回聚類標簽。
get_params(self[, deep]) 獲取此估計器的參數
set_params(self, **params) 設置此估計器的參數 
__init__(self, eps=0.5, *, min_samples=5, metric='euclidean', metric_params=None, algorithm='auto', leaf_size=30, p=None, n_jobs=None)

[源碼]

初始化self。請參閱help(type(self))以獲得準確的說明。

fit(self, X, y=None, sample_weight=None)

[源碼]

從特征或距離矩陣執行DBSCAN聚類。

參數 說明
X {array-like, sparse matrix} of shape (n_samples, n_features), or (n_samples, n_samples)
要聚類的訓練實例，或實例之間的距離， 如果metric='precomputed'。如果提供稀疏矩陣，則將其轉換為稀疏csr_matrix。
sample_weight array-like of shape (n_samples,), default=None
每個樣本的權重，例如一個權重至少為min_samples的樣本本身就是一個核心樣本；一個負權重的樣本可能會抑制它的EPS-鄰居成為核心。注意，權重是絕對的，默認為1。
y Ignored
未使用，在此按約定呈現為API一致性。
返回值 說明
self - 
fit_predict(self, X, y=None, sample_weight=None)

[源碼]

從特征或距離矩陣執行DBSCAN聚類，并返回聚類標簽。

參數 說明
X {array-like, sparse matrix} of shape (n_samples, n_features), or (n_samples, n_samples)
要聚類的訓練實例，或實例之間的距離， 如果metric='precomputed'。如果提供稀疏矩陣，則將其轉換為稀疏csr_matrix。
sample_weight array-like of shape (n_samples,), default=None
每個樣本的權重，例如一個權重至少為min_samples的樣本本身就是一個核心樣本；一個負權重的樣本可能會抑制它的EPS-鄰居成為核心。注意，權重是絕對的，默認為1。
y Ignored
未使用，在此按約定呈現為API一致性。
返回值 說明
labels ndarray, shape (n_samples,)
聚類標簽。有噪音的樣本被標為-1。		 
get_params(self, deep=True)

[源碼]

獲取此估計器的參數

表格 說明
deep bool, default=True
如果為True，則將返回此估計器的參數和所包含的作為估計量的子對象。
返回值 說明
params mapping of string to any
映射到其值的參數名稱		 
set_params(self, **params)

[源碼]

設置此估計器的參數

該方法適用于簡單估計器以及嵌套對象(例如pipelines)。后者具有表單的 <component>__<parameter>參數，這樣就可以更新嵌套對象的每個組件。

表格 說明
**params dict
估計器參數
返回值 說明書
self object
估計器實例