
R語言使用密度聚類筆法處理數(shù)據(jù)
說明
除了使用距離作為聚類指標(biāo),還可以使用密度指標(biāo)來對(duì)數(shù)據(jù)進(jìn)行聚類處理,將分布稠密的樣本與分布稀疏的樣本分離開。DBSCAN是最著名的密度聚類算法。
操作
將使用mlbench包提供的仿真數(shù)據(jù)
library(mlbench)
library(fpc)
使用mlbench庫繪制Cassini問題圖:
set.seed(2)
p = mlbench.cassini(500)
plot(p$x)
根據(jù)數(shù)據(jù)密度完成聚類:
ds = dbscan(dist(p$x),0.2,2,countmode = NULL,method = "dist")
> ds
dbscan Pts=500 MinPts=2 eps=0.2
1 2 3
seed 200 200 100
total 200 200 100
繪制聚類結(jié)果散點(diǎn)圖,屬于不同簇的數(shù)據(jù)點(diǎn)選用不的顏色:
plot(ds,p$x)
根據(jù)聚簇標(biāo)號(hào)繪制的彩色散點(diǎn)圖
調(diào)用dbscan來預(yù)測數(shù)據(jù)點(diǎn)可能被劃分到那個(gè)簇,在樣例中,首先在矩陣P中處理三個(gè)輸入值:
生成y矩陣
y = matrix(0,nrow = 3,ncol = 2)
y[1,] = c(0,0)
y[2,] = c(0,-1.5)
y[3,] = c(1,1)
y
[,1] [,2]
[1,] 0 0.0
[2,] 0 -1.5
[3,] 1 1.0
預(yù)測數(shù)據(jù)點(diǎn)屬于那個(gè)簇:
predict(ds,p$x,y)
[1] 3 1 2
原理
基于密度的聚類算法利用了密度可達(dá)以及密度相連的特點(diǎn),因而適用于處理非線性聚類問題。當(dāng)探討密度聚類算法的處理過程前,我們要知道基于密度的聚類算法通常需要考慮兩個(gè)參數(shù),eps和MinPts,其中eps為最大領(lǐng)域半徑,MinPts是領(lǐng)域半徑范圍內(nèi)的最小點(diǎn)數(shù)。
確定好這兩個(gè)參數(shù)后,如果給定對(duì)象其領(lǐng)域范圍內(nèi)的樣本點(diǎn)個(gè)數(shù)大于MinPts,則稱該對(duì)象為核心點(diǎn)。
如果一個(gè)對(duì)象其領(lǐng)域半徑范圍內(nèi)的樣本點(diǎn)個(gè)數(shù)小于MinPts,但緊挨著核心點(diǎn),則稱該對(duì)象為邊緣點(diǎn)。
如果P對(duì)象的eps領(lǐng)域范圍內(nèi)樣本點(diǎn)個(gè)數(shù)大于MinPts,則稱該對(duì)象為核心對(duì)象。
進(jìn)一步,我們還要定義兩點(diǎn)間密度可達(dá)的概念,給定兩點(diǎn)p和q,如果p為核心對(duì)象,且q在p的eps鄰域內(nèi),則稱p直接密度可以達(dá)q。如果存在一系列的點(diǎn),p1,p2,…,pn。且p1 = q,pn = p,根據(jù)Eps和MinPts的值,當(dāng)1<=i<=n,pi + 1 直接密度可以達(dá)pi,則稱p的一般密度可以達(dá)q。
DBSCAN處理過程:
1.隨機(jī)選擇一個(gè)點(diǎn)p
2.給定Eps和MinPts的條件下,獲得所有p密度可達(dá)的點(diǎn)
3.如果p是核心對(duì)象,則p和所有p密度可達(dá)的點(diǎn)被標(biāo)記成一個(gè)簇,如果p是一個(gè)邊緣點(diǎn),找不到密度可達(dá)點(diǎn),則將其標(biāo)記為噪聲。接著處理其它點(diǎn)。
4.重復(fù)這個(gè)過程,直到所有的點(diǎn)被處理。
本例使用dbscan算法聚類Cassini數(shù)據(jù)集,將可達(dá)距離設(shè)置為0.2,最小可達(dá)點(diǎn)個(gè)數(shù)設(shè)置為2,計(jì)算進(jìn)度設(shè)為NULL,使用距離矩陣做為計(jì)算依據(jù)。經(jīng)過算法處理,數(shù)據(jù)被劃分成三個(gè)簇,每個(gè)簇的大小分別為200,200,100.通過聚簇的結(jié)果示意圖也可以發(fā)現(xiàn)Cassini圖被不同顏色區(qū)分開來。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10