sklearn.cluster.dbscan¶
sklearn.cluster.dbscan(X, eps=0.5, *, min_samples=5, metric='minkowski', metric_params=None, algorithm='auto', leaf_size=30, p=2, sample_weight=None, n_jobs=None)
从向量数组或距离矩阵执行DBSCAN聚类。
在用户指南中阅读更多内容。
| 参数 | 列表 |
|---|---|
| X | {array-like, sparse (CSR) matrix} of shape (n_samples, n_features) or (n_samples, n_samples) 如果metric=’precomputed’，则是特征数组，或样本之间的距离数组 |
| eps | float, default=0.5 两个样本之间的最大距离，其中一个被视为另一个样本的邻域内。这并不是一个簇内点之间距离的最大界限。这是为数据集和距离函数适当选择的最重要的dbscan参数。 |
| min_samples | int, default=5 一个点被视为核心点的邻域内的样本数(或总权重)。这包括要该点本身 |
| metric | string, or callable 在计算特征数组中实例之间的距离时使用的度量。如果度量是字符串或可调用的，则它必须是 sklearn.metrics.pairwise_distances为其度量参数所允许的选项之一。如果度量是“precomputed”，则假定X是距离矩阵，并且必须是平方的。X可能是Glossary，在这种情况下，只有“非零”元素可以被视为DBSCAN的邻居。 |
| metric_params | dict, default=None 度量函数的附加关键字参数 |
| algorithm | {‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}, default=’auto’ NearestNeighbors模块用于计算点距离和寻找最近邻居的算法。有关详细信息，请参阅NearestNeighbors模块文档。 |
| leaf_size | int, optional (default=30) 传递给 BallTree 或者 KDTree。这会影响构造和查询的速度，以及存储树所需的内存。最优值取决于问题的性质。 |
| p | float, default=2 用于计算点间距离的Minkowski度量的幂 |
| sample_weight | array-like of shape (n_samples,), default=None 每个样本的权重，例如一个权重至少为 min_samples的样本本身就是一个核心样本；一个负权重的样本可能会抑制它的EPS-邻居成为核心。注意，权重是绝对的，默认为1。 |
| n_jobs | int or None, optional (default=None) 要为邻居搜索的并行作业数。 None意味1， 除非在joblib.parallel_backend环境中。-1指使用所有处理器。有关详细信息，请参Glossary。 |
| 属性 | 说明 |
|---|---|
| core_samples | ndarray of shape (n_core_samples,) 核心样本的索引。 |
| labels_ | ndarray of shape (n_samples) 每个点的聚类标签。有噪音的样本被标为-1。 |
注
有关示例，请看examples/cluster/plot_dbscan.py.
此实现批量计算所有邻域查询，这会将内存复杂度增加到O(n.d)，其中d是邻居的平均数量，而原始DBSCAN的内存复杂度为O(n)。根据algorithm的不同，在查询这些最近的邻域时，它可能会吸引更高的内存复杂度。
避免查询复杂性的一种方法是使用 NearestNeighbors.radius_neighbors_graph并设置 mode='distance',预先计算块中的稀疏邻域，然后在这里使用 metric='precomputed' 。
另一种减少内存和计算时间的方法是删除(接近)重复点，并且使用 sample_weight 代替。
参考
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.
