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)[原始碼]#

從向量陣列或距離矩陣執行 DBSCAN 分群。

DBSCAN - 具有雜訊的應用程式密度空間群集法。尋找高密度的核心樣本並從它們擴展群集。適用於包含相似密度群集的資料。

此實作的最壞情況記憶體複雜度為 \(O({n}^2)\)，當 eps 參數較大且 min_samples 較小時可能會發生，而原始 DBSCAN 僅使用線性記憶體。有關更多詳細資訊，請參閱下面的「注意事項」。

請在使用者指南中閱讀更多內容。

參數:
eps浮點數，預設值=0.5

兩個樣本之間的最大距離，若其中一個被視為在另一個的鄰域中。這並非群集中點之間距離的最大界限。這是最重要的 DBSCAN 參數，需要針對您的資料集和距離函數適當選擇。

min_samples整數，預設值=5

一個點被視為核心點的鄰域中的樣本數（或總權重）。這包括點本身。如果將 min_samples 設定為較高的值，DBSCAN 將找到密度較高的群集，而如果將其設定為較低的值，則找到的群集將更稀疏。

metric字串或可呼叫物件，預設值='euclidean'

在計算特徵陣列中實例之間的距離時要使用的度量。如果度量是字串或可呼叫物件，則它必須是 sklearn.metrics.pairwise_distances 為其度量參數所允許的選項之一。如果度量為「precomputed」，則假設 X 為距離矩陣且必須為方形。X 可以是稀疏圖，在這種情況下，只有「非零」元素才能被視為 DBSCAN 的鄰居。

0.17 版本新增: 度量 precomputed 接受預先計算的稀疏矩陣。

metric_params字典，預設值=None

度量函數的額外關鍵字引數。

於 0.19 版本新增。

algorithm{‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}，預設值='auto'

NearestNeighbors 模組用於計算點對點距離並尋找最近鄰的演算法。有關詳細資訊，請參閱 NearestNeighbors 模組文件。

leaf_size整數，預設值=30

傳遞給 BallTree 或 cKDTree 的葉節點大小。這會影響建構和查詢的速度，以及儲存樹狀結構所需的記憶體。最佳值取決於問題的性質。

p浮點數，預設值=None

用於計算點之間距離的 Minkowski 度量的冪。如果為 None，則 p=2 （相當於歐幾里得距離）。

n_jobs整數，預設值=None

要執行的並行作業數。None 表示 1，除非在 joblib.parallel_backend 內容中。-1 表示使用所有處理器。有關更多詳細資訊，請參閱詞彙表。

屬性:
core_sample_indices_形狀為 (n_core_samples,) 的 ndarray

核心樣本的索引。

components_形狀為 (n_core_samples, n_features) 的 ndarray

訓練找到的每個核心樣本的副本。

labels_形狀為 (n_samples) 的 ndarray

提供給 fit() 的資料集中每個點的群集標籤。雜訊樣本的標籤為 -1。

n_features_in_整數

在fit期間看到的特徵數量。

於 0.24 版本新增。

feature_names_in_形狀為 (n_features_in_,) 的 ndarray

在 fit 期間看到的特徵名稱。僅當 X 具有全部為字串的特徵名稱時才會定義。

於 1.0 版本新增。

另請參閱

OPTICS

在多個 eps 值處的相似群集。我們的實作針對記憶體使用量進行了最佳化。

注意事項

有關範例，請參閱DBSCAN 群集演算法的示範。

此實作會大量計算所有鄰域查詢，這將記憶體複雜度增加到 O(n.d)，其中 d 是平均鄰居數，而原始 DBSCAN 的記憶體複雜度為 O(n)。當查詢這些最近鄰時，它可能會導致更高的記憶體複雜度，具體取決於 algorithm。

避免查詢複雜性的一種方法是使用 NearestNeighbors.radius_neighbors_graph 以區塊預先計算稀疏鄰域，並使用 mode='distance'，然後在此處使用 metric='precomputed'。

減少記憶體和計算時間的另一種方法是移除（近似）重複的點，並改用 sample_weight。

OPTICS 提供具有較低記憶體使用率的相似群集。

參考文獻

Ester, M., H. P. Kriegel, J. Sander, and X. Xu, 「A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise」。出自：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.

範例

>>> 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)
fit(X, y=None, sample_weight=None)[來源]#

從特徵或距離矩陣執行 DBSCAN 群集。

參數:
X形狀為 (n_samples, n_features) 或 (n_samples, n_samples) 的 {類陣列、稀疏矩陣}

要群集的訓練實例，如果 metric='precomputed'，則是實例之間的距離。如果提供了稀疏矩陣，它將被轉換為稀疏的 csr_matrix。

y已忽略

未使用，為了 API 一致性而按照慣例存在於此處。

sample_weight形狀為 (n_samples,) 的類陣列，預設值=None

每個樣本的權重，權重至少為 min_samples 的樣本本身即為核心樣本；權重為負數的樣本可能會抑制其 eps 鄰居成為核心樣本。請注意，權重是絕對值，預設為 1。

回傳值:
self物件

回傳已擬合的 self 實例。

fit_predict(X, y=None, sample_weight=None)[原始碼]#

從資料或距離矩陣計算集群並預測標籤。

參數:
X形狀為 (n_samples, n_features) 或 (n_samples, n_samples) 的 {類陣列、稀疏矩陣}

要群集的訓練實例，如果 metric='precomputed'，則是實例之間的距離。如果提供了稀疏矩陣，它將被轉換為稀疏的 csr_matrix。

y已忽略

未使用，為了 API 一致性而按照慣例存在於此處。

sample_weight形狀為 (n_samples,) 的類陣列，預設值=None

每個樣本的權重，權重至少為 min_samples 的樣本本身即為核心樣本；權重為負數的樣本可能會抑制其 eps 鄰居成為核心樣本。請注意，權重是絕對值，預設為 1。

回傳值:
labels形狀為 (n_samples,) 的 ndarray

集群標籤。雜訊樣本的標籤為 -1。

get_metadata_routing()[原始碼]#

取得此物件的中繼資料路由。

請查看 使用者指南 了解路由機制的運作方式。

回傳值:
routingMetadataRequest

一個封裝路由資訊的 MetadataRequest。

get_params(deep=True)[原始碼]#

取得此估算器的參數。

參數:
deepbool，預設值為 True

如果為 True，將回傳此估算器和所包含的子物件（也是估算器）的參數。

回傳值:
paramsdict

參數名稱對應到它們的值。

set_fit_request(*, sample_weight: bool | None | str = '$UNCHANGED$') → DBSCAN[原始碼]#

要求傳遞給 fit 方法的中繼資料。

請注意，此方法僅在 enable_metadata_routing=True 時相關（請參閱 sklearn.set_config）。請參閱 使用者指南 了解路由機制的運作方式。

每個參數的選項為

  • True：請求中繼資料，並在提供時傳遞給 fit。如果未提供中繼資料，則會忽略請求。

  • False：不請求中繼資料，且元估算器不會將其傳遞給 fit。

  • None：不請求中繼資料，且如果使用者提供，元估算器將會引發錯誤。

  • str：中繼資料應以給定的別名傳遞給元估算器，而不是原始名稱。

預設值（sklearn.utils.metadata_routing.UNCHANGED）會保留現有的請求。這允許您變更某些參數的請求，而不變更其他參數的請求。

在 1.3 版中新增。

注意

僅當此估算器用作元估算器的子估算器時，此方法才相關，例如，在 Pipeline 中使用。否則沒有任何作用。

參數:
sample_weightstr、True、False 或 None，預設值為 sklearn.utils.metadata_routing.UNCHANGED

fit 中 sample_weight 參數的中繼資料路由。

回傳值:
self物件

已更新的物件。

set_params(**params)[原始碼]#

設定此估算器的參數。

此方法適用於簡單的估算器，也適用於巢狀物件（例如 Pipeline）。後者具有 <component>__<parameter> 形式的參數，因此可以更新巢狀物件的每個元件。

參數:
**paramsdict

估算器參數。

回傳值:
self估算器實例

估算器實例。