前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >聚类(一):DBSCAN算法实现(r语言)

聚类(一):DBSCAN算法实现(r语言)

作者头像
三猫
发布2018-04-10 11:20:35
3.4K0
发布2018-04-10 11:20:35
举报
文章被收录于专栏:机器学习养成记
  • Some points
  • 算法流程
  • R语言实现
  • 选择最优的Eps值
  • 自定义距离公式
  • DBSCAN优缺点

DBSCAN(Density-BasedSpatial Clustering of Applications with Noise),一种基于密度的聚类方法,即找到被低密度区域分离的稠密区域,要求聚类空间中的一定区域内所包含对象(点或其他空间对象)的数目不小于某一给定阈值。

  • Some points

一、两个参数。

1,距离参数(Eps)

2,邻域内点最少个数(MinPts)

二、根据基于中心的密度进行点分类。

密度的基于中心的方法使得点分为三类:

1, 核心点。稠密区域内部的点。该点以Eps为半径的区域内点的个数不少于MinPts(包括自身)。

2, 边界点。稠密区边缘上的点,不是核心点,但在某个或多个核心点邻域内。

3, 噪声点。稀疏区域中的点,既非核心点也非边界点。

4, 密度可达。如果点p在核心点q的Eps邻域内,则称p是从q出发可以直接密度可达。如果存在点链p1,p2, …, pn,p1=q,pn=p,pi+1是从pi直接密度可达,则称点p是从q关于r和M密度可达的,密度可达是单向的。

  • 算法流程

从某点出发,将密度可达的点聚为一类,不断进行区域扩张,直至所有点都被访问。

  • R语言实现

在R中实现DBSCAN聚类,可以使用fpc包中的dbscan()函数。在下面的例子中,我们使用factoextra包中的数据集multishapes进行演示。

如下可查看聚类后的结果:

具体每个样本点的分类结果,可用db$cluster查看,其中0表示噪声点,如下随机显示50个点的分类结果:

  • 选择最优的Eps值

方法为计算每个点到其最近邻的k个点的平均距离。k的取值根据MinPts由用户指定。R语言中,使用dbscan包中的kNNdistplot()函数进行计算。

由图可知,拐点处基本在0.15左右,因此可以认为最优Eps值在0.15左右。

  • 自定义距离公式

dbscan()函数中计算距离公式为欧式距离,在一些特定的场合无法使用,比如要计算地图上两点的距离,就要应用特定的计算地图上两点的距离公式。

R里面的很多函数都是开源的,因此,直接运行fpc::dbscan可以看到此函数的原程序。我们用geosphere包中的distm()函数对原程序中的距离计算公式进行修改,实现地图上两点距离的计算。

将原程序中的distcomb函数改为如下形式:

将修改过的dbscan函数重新命名为disdbscan,重新将数据进行聚类:

  • DBSCAN优缺点

优点

(1)聚类速度快,且能够有效处理噪声点。

(2)能发现任意形状的空间聚类。

(3)聚类结果几乎不依赖于点遍历顺序。

(4)不需要输入要划分的聚类个数。

缺点

(1)当数据量增大时,要求较大的内存支持I/O消耗也很大;

(2)当空间聚类的密度不均匀、聚类间距差相差很大时,聚类质量较差。


机器学习养成记

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2017-07-05,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 机器学习养成记 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档