数据挖掘之聚类分析总结（建议收藏）

        if len(set(cluster[j]) & set(cluster[i]))>0 and i!=j: 

            cluster[i] = list(set(cluster[i]) | set(cluster[j])) 

            cluster[j] = list() 

最后，找出独立(也就是没有交集)的邻域，就是我们最后的聚类的结果了。

result = dict() 

j = 0 

for i in range(len(cluster)): 

  if len(cluster[i])>0: 

    result[j] = cluster[i] 

    j = j + 1 

#找出每个点所在领域的序号，作为他们最后聚类的结果标记 

for i in range(len(result)): 

    for j in result[i]: 

        data.at[j, 'type'] = i 

plt.scatter(data['x'], data['y'], c=data['type']) 

2)基于sklearn包的实现

eps = 0.2 

MinPts = 5 

model = DBSCAN(eps, MinPts) 

data['type'] = model.fit_predict(data) 

plt.scatter(data['x'],  data['y'], c=data['type']) 

（编辑：应用网_阳江站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!