【机器学习】利用numpy实现DBSCAN聚类算法（Python代码）-CFANZ编程社区

简介：下面是我在学习时候的记录并加上自己的理解。本文意在记录自己近期学习过程中的所学所得，如有错误，欢迎大家指正。

关键词：Python、机器学习、DBSCAN

自己实现DBSCAN算法,需要对两个参数ξ和Minpt的选取选取进行说明，语言不限。要能支持多维数组，距离用欧式距离。

"""
 * Created with PyCharm
 * 作者: 阿光
 * 日期: 2021/7/18
 * 时间: 21:53
 * 描述: 使用numpy实现DBSCAN
"""

import warnings

import numpy as np
import pandas as pd

from Draw import draw

warnings.filterwarnings('ignore')

epsilon = 4  # 定义邻域半径
M = 5  # 定义阈值
k = 0  # 类别标签

# 加载数据
data = pd.read_csv("../../data/cluster_500-10_7.csv", encoding="gbk")
X = data.iloc[:, 1:-2].values
y = data.iloc[:, -1].values.flatten()

label_ = np.zeros(len(X))


def dbscan(X):
    """
     * 描述: DBSCAN算法的主入口
     * 参数:
            X:样本数据
     * 返回值:
    """
    # 获取核心对象
    coreObjectList = get_coreobject(X)

    # 开始迭代每个核心对象，进行划圈
    iter_coreobject(coreObjectList, X)


def iter_coreobject(coreObjectList, X):
    """
     * 描述: 迭代每个核心对象，然后将其可达的对象划为一簇
     * 参数:
            coreObjectList:核心列表对象
            X:样本数据
     * 返回值:
    """

    def get_epsilonobject(row):
        """
         * 描述: 获取某个样本邻域内的样本
         * 参数:
                row:核心对象
         * 返回值: 邻域内的样本的索引
        """
        return np.where(np.sqrt((((X - row) ** 2).sum(axis=1))) <= epsilon)[0]

    def distance_epsilon(coreobject, X):
        """
         * 描述: 判断某一核心对象邻域内是否有核心对象，如果有重复该步骤，如果不是将其划为一簇
         * 参数:
                coreobject:核心对象
                X:样本数据
         * 返回值:
        """
        # 保存某一簇内的样本
        queue = [coreobject]

        # 判断队列中是否还存在数据
        while len(queue) != 0:
            object = X[queue.pop(0), :]
            # 判断其是否是核心对象，如果是将它的邻域内的样本也加入队列
            if judge_coreobject(X, object):
                nonlocal noAccess  # 获取上一层作用域的变量
                # 获取未访问和该核心对象邻域内样本的交集
                delta = set(noAccess).intersection(set(get_epsilonobject(object)))
                # 将邻域内的样本添加到队列
                queue.extend(delta)
                # 将已经访问的数据从noAccess中去掉
                noAccess = list(set(noAccess).difference(set(delta)))

    # 记录未被访问过的数据
    noAccess = list(range(X.shape[0]))
    # 判断是否还有核心对象可以进行迭代
    while len(coreObjectList) != 0:
        # 为了获取本次迭代的数据
        AccessOld = noAccess.copy()
        # 取出一个核心对象
        coreobject = coreObjectList.pop(0)
        # 扩充领域，添加邻域内的样本
        distance_epsilon(coreobject, X)
        # 取得本轮划分簇的数据，就是本次迭代到的数据
        cluster_k = list(set(AccessOld).difference(set(noAccess)))
        global k
        # 将本次迭代到的数据划分成一簇
        label_[[cluster_k]] = k
        # 将所有已经访问过的数据从noAccess中移除
        coreObjectList = list(set(coreObjectList).difference(set(cluster_k)))
        # 将簇+1
        k += 1


def judge_coreobject(X, row):
    """
     * 描述: 判断某一样本是否为核心对象
     * 参数:
            X:样本数据
            row:待判断的样本数据
     * 返回值: 返回true和false
    """
    # 判断在邻域距离内的样本数是否达到阈值
    if (np.sqrt(((X - row) ** 2).sum(axis=1)) <= epsilon).sum() - 1 >= M:
        return True
    return False


def get_coreobject(x):
    """
     * 描述: 迭代数据集，获取核心对象列表
     * 参数:
            x:样本数据
     * 返回值: 核心对象列表
    """
    # 初始化列表
    coreObjectList = []
    # 判断是否是核心对象
    for i, row in enumerate(x):
        if judge_coreobject(X, row):
            coreObjectList.append(i)
    return coreObjectList


if __name__ == "__main__":
    dbscan(X)
    draw(X, y, label_, 7)