中文亚洲精品无码_熟女乱子伦免费_人人超碰人人爱国产_亚洲熟妇女综合网

當(dāng)前位置: 首頁(yè) > news >正文

網(wǎng)站建設(shè)報(bào)價(jià)方案下載企業(yè)網(wǎng)站模板建站

網(wǎng)站建設(shè)報(bào)價(jià)方案下載,企業(yè)網(wǎng)站模板建站,判斷網(wǎng)站首頁(yè),買網(wǎng)站服務(wù)器要多少錢(qián)一年密度聚類算法(DBSCAN)實(shí)驗(yàn)案例 描述 DBSCAN是一種強(qiáng)大的基于密度的聚類算法,從直觀效果上看,DBSCAN算法可以找到樣本點(diǎn)的全部密集區(qū)域,并把這些密集區(qū)域當(dāng)做一個(gè)一個(gè)的聚類簇。DBSCAN的一個(gè)巨大優(yōu)勢(shì)是可以對(duì)任意形狀…

密度聚類算法(DBSCAN)實(shí)驗(yàn)案例

描述

DBSCAN是一種強(qiáng)大的基于密度的聚類算法,從直觀效果上看,DBSCAN算法可以找到樣本點(diǎn)的全部密集區(qū)域,并把這些密集區(qū)域當(dāng)做一個(gè)一個(gè)的聚類簇。DBSCAN的一個(gè)巨大優(yōu)勢(shì)是可以對(duì)任意形狀的數(shù)據(jù)集進(jìn)行聚類。

本任務(wù)的主要內(nèi)容:

1、 環(huán)形數(shù)據(jù)集聚類

2、 新月形數(shù)據(jù)集聚類

3、 輪廓系數(shù)評(píng)估指標(biāo)應(yīng)用

源碼下載

環(huán)境

  • 操作系統(tǒng):Windows 10、Ubuntu18.04

  • 工具軟件:Anaconda3 2019、Python3.7

  • 硬件環(huán)境:無(wú)特殊要求

  • 依賴庫(kù)列表

    matplotlib   	3.3.4
    numpy 			1.19.5
    scikit-learn	0.24.2
    

分析

本實(shí)驗(yàn)包含三個(gè)任務(wù):環(huán)形數(shù)據(jù)集聚類、新月數(shù)據(jù)集聚類以及輪廓系數(shù)評(píng)估指標(biāo)的使用,數(shù)據(jù)集均由sklearn.datasets模塊生成。為了直觀觀察DBSCAN的優(yōu)勢(shì),任務(wù)中還引入了前面學(xué)過(guò)的多種聚類算法進(jìn)行對(duì)比。

本實(shí)驗(yàn)涉及以下幾個(gè)環(huán)節(jié):

1)子任務(wù)一、環(huán)形數(shù)據(jù)聚類

1.1 數(shù)據(jù)集的生成

1.2 使用K-Means、MeanShift、Birch算法進(jìn)行聚類并可視化

1.3 使用DBSCAN聚類并可視化

2)子任務(wù)二、新月數(shù)據(jù)集聚類

2.1 數(shù)據(jù)集的生成

2.2 使用K-Means、MeanShift、Birch算法進(jìn)行聚類并可視化

2.3 使用DBSCAN聚類并可視化

3)聚類評(píng)估指標(biāo)(輪廓系數(shù))案例實(shí)踐

3.1 數(shù)據(jù)集生成

3.2 聚類并評(píng)估效果

實(shí)施

1、環(huán)形數(shù)據(jù)集聚類

任務(wù)描述:

1、使用scikit-learn生成環(huán)形數(shù)據(jù)集;

2、將數(shù)據(jù)集聚成右側(cè)3個(gè)類別。

請(qǐng)?zhí)砑訄D片描述
請(qǐng)?zhí)砑訄D片描述

1.1 生成環(huán)形數(shù)據(jù)集

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets# 生成環(huán)形數(shù)據(jù)集(500個(gè)樣本)
X1, y1=datasets.make_circles(n_samples=500, factor=0.5, noise=0.07, random_state=0)# 生成點(diǎn)塊數(shù)據(jù)集(80個(gè)樣本)
X2, y2 = datasets.make_blobs(n_samples=80, n_features=2, centers=[[1.2, 1.2]], cluster_std=[[0.15]], random_state=0)# 合并成一個(gè)數(shù)據(jù)集,生成散點(diǎn)圖
X = np.concatenate((X1, X2))
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

1.2 分別使用K-Means、MeanShift、Birch算法進(jìn)行聚類

from sklearn.cluster import KMeans, MeanShift, Birch# 嘗試三種聚類模型,都不能達(dá)到目的
y_pred = KMeans(3).fit_predict(X) # KMeans# y_pred = Birch(n_clusters=3).fit_predict(X) # Birch
# y_pred = MeanShift().fit_predict(X) # MeanShift
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

從算法的輸出中可以看到,對(duì)于環(huán)形數(shù)據(jù)集,上述三種聚類算法均不能很好地實(shí)現(xiàn)任務(wù)規(guī)定的聚類目標(biāo)。

1.3 使用DBSCAN算法(不指定參數(shù))

from sklearn.cluster import DBSCAN# 使用無(wú)參數(shù)的DBSCAN聚類,發(fā)現(xiàn)模型將所有樣本歸為了一類
y_pred = DBSCAN().fit_predict(X)# 畫(huà)散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

可以看到,不使用參數(shù)的DBSCAN算法,將所有數(shù)據(jù)分成了一類。

1.4 指定DBSCAN算法的參數(shù)

DBSCAN算法聚類的結(jié)果依賴于調(diào)參,該算法的兩個(gè)主要參數(shù)eps和min_samples,對(duì)于聚類結(jié)果的影響很大。

# eps-臨近半徑
# min_samples-最小樣本數(shù)
# 指定參數(shù),調(diào)參,任務(wù)完成(聚成內(nèi)、中、外3類)
y_pred = DBSCAN(eps=0.2, min_samples=2).fit_predict(X)# 畫(huà)散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()

輸出結(jié)果:
請(qǐng)?zhí)砑訄D片描述

可以看到,通過(guò)調(diào)參,DBSCAN算法完美地將數(shù)據(jù)集按指定要求聚成了3類。

2、新月數(shù)據(jù)集聚類

任務(wù)描述:

1、使用scikit-learn生成新月數(shù)據(jù)集;

2、將數(shù)據(jù)集聚成右側(cè)上下2個(gè)類別。
請(qǐng)?zhí)砑訄D片描述
請(qǐng)?zhí)砑訄D片描述

2.1 生成數(shù)據(jù)集

import matplotlib.pyplot as plt
from sklearn import datasets# 生成彎月數(shù)據(jù)集(500個(gè)樣本)
X, y = datasets.make_moons(500, noise = 0.1, random_state=99)# 顯示散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], s = 100, alpha = 0.6, cmap = 'rainbow')plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

2.2 嘗試K-Means、MeanShift、Birch算法

from sklearn.cluster import KMeans, MeanShift, Birch# 嘗試三種聚類模型,都不能達(dá)到目的
y_pred = KMeans(2).fit_predict(X) # KMeans# y_pred = Birch(n_clusters=2).fit_predict(X) # Birch
# y_pred = MeanShift().fit_predict(X) # MeanShift
plt.scatter(X[:, 0], X[:, 1], c=y_pred, s = 100, alpha = 0.6, cmap = 'rainbow')plt.show()

顯示結(jié)果:(對(duì)于該數(shù)據(jù)集,上述三種聚類算法不能很好地實(shí)現(xiàn)指定聚類目標(biāo)。)

請(qǐng)?zhí)砑訄D片描述

2.3 使用DBSCAN聚類算法,不指定參數(shù)

from sklearn.cluster import DBSCAN# 使用DBSCAN算法(不指定參數(shù))
y_pred = DBSCAN().fit_predict(X)# 畫(huà)散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], c=y_pred, s = 100, alpha = 0.6, cmap = 'rainbow')plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

2.4 使用DBSCAN聚類算法,指定參數(shù)

# 指定參數(shù),調(diào)參,任務(wù)完成(聚成上下2類)
y_pred = DBSCAN(eps=0.2, min_samples=9).fit_predict(X)# 畫(huà)散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], c=y_pred, s = 100, alpha = 0.6, cmap = 'rainbow')plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

通過(guò)調(diào)整兩個(gè)指定參數(shù),DBSCAN算法按照要求完成了新月數(shù)據(jù)集的聚類,DBSCAN算法的一大優(yōu)勢(shì)是可以對(duì)任意形狀的數(shù)據(jù)集進(jìn)行聚類。

3、使用輪廓系數(shù)(silhouette_score)來(lái)評(píng)估聚類

任務(wù)描述:

輪廓系數(shù)(silhouette_score)指標(biāo)是聚類效果的評(píng)價(jià)方式之一(前面我們還使用了蘭德指數(shù)-adjusted_rand_score,注意它們之間的區(qū)別)。輪廓系數(shù)指標(biāo)不關(guān)注樣本的實(shí)際類別,而是通過(guò)分析聚類結(jié)果中樣本的內(nèi)聚度和分離度兩種因素來(lái)給出成績(jī),取值范圍為(-1,1),值越大代表聚類的結(jié)果越合理。

3.1 生成數(shù)據(jù)集

import matplotlib.pyplot as plt
from sklearn.datasets import make_blobs# 使用數(shù)據(jù)生成器隨機(jī)生成500個(gè)樣本,每個(gè)樣本2個(gè)特征
X, y = make_blobs(n_samples=500, n_features=2, centers=[[-1,-1], [0.5,-1]], cluster_std=[0.2, 0.3], random_state=6)# 畫(huà)出散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()

顯示結(jié)果:

請(qǐng)?zhí)砑訄D片描述

3.2 使用輪廓系數(shù)來(lái)評(píng)估聚類結(jié)果

from sklearn.metrics import silhouette_score # 輪廓系數(shù)評(píng)估函數(shù)
from sklearn.cluster import MeanShift# 使用MeanShift聚類
y_pred = MeanShift().fit_predict(X)# 畫(huà)出聚類散點(diǎn)圖
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show() # 評(píng)估輪廓系數(shù)
score = silhouette_score(X, y_pred)
print('score: ', score)

請(qǐng)?zhí)砑訄D片描述

http://www.risenshineclean.com/news/56959.html

相關(guān)文章:

  • 專業(yè)的app網(wǎng)站開(kāi)發(fā)百度關(guān)鍵詞優(yōu)化多久上首頁(yè)
  • 可直接打開(kāi)網(wǎng)站的網(wǎng)頁(yè)地推任務(wù)網(wǎng)
  • 網(wǎng)站安全如何做百度seo在線優(yōu)化
  • flask做的購(gòu)物網(wǎng)站互聯(lián)網(wǎng)推廣廣告
  • 如何做網(wǎng)站推廣 求指點(diǎn)網(wǎng)絡(luò)建設(shè)推廣
  • 質(zhì)量好網(wǎng)站建設(shè)哪家便宜網(wǎng)站優(yōu)化費(fèi)用報(bào)價(jià)明細(xì)
  • 大型商業(yè)廣場(chǎng)網(wǎng)站建設(shè)免費(fèi)b2b平臺(tái)推廣
  • 做網(wǎng)站后端需要什么語(yǔ)言競(jìng)價(jià)托管多少錢(qián)
  • 個(gè)人網(wǎng)頁(yè)設(shè)計(jì)包含html和css南寧網(wǎng)站優(yōu)化公司電話
  • 懷遠(yuǎn)做網(wǎng)站電話溫州seo招聘
  • 網(wǎng)絡(luò)規(guī)劃設(shè)計(jì)師自學(xué)百度小程序優(yōu)化排名
  • 怎么做qq二維碼網(wǎng)站排名優(yōu)化系統(tǒng)
  • 自媒體網(wǎng)站開(kāi)發(fā)充電寶關(guān)鍵詞優(yōu)化
  • web仿網(wǎng)站開(kāi)發(fā)視頻如何建立企業(yè)網(wǎng)站
  • 羅湖做網(wǎng)站的公司哪家好營(yíng)銷方式和手段有哪些
  • 白城學(xué)做網(wǎng)站外貿(mào)平臺(tái)推廣
  • 長(zhǎng)春網(wǎng)站建設(shè)推薦網(wǎng)誠(chéng)傳媒網(wǎng)絡(luò)營(yíng)銷的推廣手段
  • 如果做網(wǎng)站賺錢(qián)優(yōu)化關(guān)鍵詞的步驟
  • html怎么寫(xiě)廣州網(wǎng)站優(yōu)化服務(wù)商
  • 怎么去跟客戶談網(wǎng)站建設(shè)四川seo優(yōu)化
  • 網(wǎng)站建設(shè)題庫(kù)核心關(guān)鍵詞舉例
  • 怎么建設(shè)h5網(wǎng)站怎樣做關(guān)鍵詞排名優(yōu)化
  • 怎么推廣產(chǎn)品最有效短視頻關(guān)鍵詞seo優(yōu)化
  • wordpress無(wú)法連接遠(yuǎn)程mysqlseo推廣人員
  • 真正能賺錢(qián)的網(wǎng)站app推廣平臺(tái)放單平臺(tái)
  • 工信部企業(yè)網(wǎng)站認(rèn)證搜索引擎有哪些平臺(tái)
  • 怎么做企業(yè)網(wǎng)站一級(jí)懸浮菜單一個(gè)萬(wàn)能的營(yíng)銷方案
  • 河南做網(wǎng)站聯(lián)系電話輿情網(wǎng)站直接打開(kāi)的軟件
  • 廣東手機(jī)網(wǎng)站建設(shè)價(jià)格百度優(yōu)化
  • 做網(wǎng)站是什么工作天津網(wǎng)絡(luò)關(guān)鍵詞排名