python dbscan

作者：初吻被奶嘴夺走了发布日期:2025-12-12 浏览:54

from sklearn.cluster import DBSCAN
import numpy as np

# 示例数据
X = np.array([[1, 2], [2, 2], [2, 3],
              [8, 7], [8, 8], [25, 80]])

# 创建并训练DBSCAN模型
clustering = DBSCAN(eps=3, min_samples=2).fit(X)

# 输出聚类标签
print(clustering.labels_)

解释说明：

DBSCAN 是一种基于密度的聚类算法，能够自动发现任意形状的簇，并且可以识别噪声点。
eps 参数定义了邻域半径，即两个点之间的最大距离，如果小于等于这个距离则认为它们是邻居。
min_samples 参数表示在指定半径内的最小样本数量，用于确定一个点是否为核心点。
fit 方法用于训练模型，输入是一个二维数组 X，每一行代表一个样本点。
clustering.labels_ 包含每个样本点所属的簇标签，噪声点通常被标记为 -1。

如果你需要更多关于参数调整或数据预处理的帮助，请告诉我！

上一篇：python的random用法

下一篇：python分词