밀도기반 클러스터링(DBSCAN)

밀도기반 클러스터링 이론 

https://needjarvis.tistory.com/720

DBSCAN clustering 이해하기(밀도기반 알고리즘)

# 밀도기반 클러스터링(DBSCAN) : K-Mean 로 군집화하기 힘든 데이터 분포인 경우(비선형)에 적당
import matplotlib.pyplot as plt
from matplotlib import style
import numpy as np
from sklearn.datasets import make_moons
from sklearn.cluster import KMeans, DBSCAN

x, y = make_moons(n_samples = 200, noise = 0.07, random_state = 1)
print(x)
print('실제 군집 id:', y[:10])

# plt.scatter(x[:,0], x[:,1])
# plt.show()

# KMeans로 군집화
km = KMeans(n_clusters = 2, random_state = 0)
pred1 = km.fit_predict(x)
print('예측 군집 id:', pred1[:10])

def plot_func(x, pr):
    plt.scatter(x[pr==0,0],x[pr==0,1], c='blue', marker='o', s=40, label = 'cluster1')
    plt.scatter(x[pr==1,0],x[pr==1,1], c='red', marker='s', s=40, label = 'cluster2')
    plt.scatter(km.cluster_centers_[:,0], km.cluster_centers_[:,1], s=50, c='black', marker='+', label='centroid')
    plt.legend()
    plt.title('result')
    plt.show()
    
plot_func(x, pred1)

print()
# Kmeans로 원하는 군집을 얻지 못한 경우 DBSCAN을 수행한다.
dm = DBSCAN(eps=0.2, min_samples=5, metric='euclidean')
pred2 = dm.fit_predict(x)
print('예측 군집 id:', pred2[:10])

plot_func(x,pred2)

k-means

DBSCAN