前言：無監督學習想快一點複習完，就轉入有監督學習
–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-—-—-—-—-—-—-—-—-—-—-—-——-
–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-—-—-—-—-—-—-—-—-—-—-—-——-

聚類演算法主要包括哪些演算法？

主要包括：K-means、DBSCAN、Density Peaks聚類（區域性密度聚類）、層次聚類、譜聚類。

若按照聚類的方式可劃分成三類：第一類是類似於K-means、DBSCAN、Density Peaks聚類（區域性密度聚類）的依據密度

什麼是無監督學習？

• 無監督學習也是相對於有監督學習來說的，因為現實中遇到的大部分資料都是未標記的樣本，要想通過有監督的學習就需要事先人為標註好樣本標籤，這個成本消耗、過程用時都很巨大，所以無監督學習就是使用無標籤的樣本找尋資料規律的一種方法
• 聚類演算法就歸屬於機器學習領域下的無監督學習方法。

–—-—-—-—-—-—-—-

無監督學習的目的是什麼呢？

• 可以從龐大的樣本集合中選出一些具有代表性的樣本子集加以標註，再用於有監督學習
• 可以從無類別資訊情況下，尋找表達樣本集具有的特徵

–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-—-—-—-—-—-—-—-—-—-—-—-——-

分類和聚類的區別是什麼呢？

• 對於分類來說，在給定一個數據集，我們是事先已知這個資料集是有多少個種類的。比如一個班級要進行性別分類，我們就下意識清楚分為“男生”、“女生”兩個類；該班又轉入一個同學A，“男ta”就被分入“男生”類；
• 而對於聚類來說，給定一個數據集，我們初始並不知道這個資料集包含多少類，我們需要做的就是將該資料集依照某個“指標”，將相似指標的資料歸納在一起，形成不同的類；
• 分類是一個後續的過程，已知標籤資料，再將測試樣本分入同標籤資料集中；聚類是不知道標籤，將“相似指標”的資料強行“擼”在一起，形成各個類。

–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-—-—-—-—-—-—-—-—-—-—-—-——-

一、DBSCAN聚類

定義：DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪聲的基於密度的聚類方法）是一種基於密度的空間聚類演算法。該演算法將具有足夠密度的區域劃分為簇，並在具有噪聲的空間資料庫中發現任意形狀的簇，DBSCAN演算法將“簇”定義為密度相連的點的最大集合。

1、傳統的密度定義：基於中心的方法

傳統的密度定義方法——事先給定半徑r，資料集中點a的密度，要通過落入以點a為中心以r為半徑的圓內點的計數（包括點a本身）來估計。很顯然，密度是依賴於半徑的。如下圖所示：

2、DBSCAN中依照密度，對樣本點的劃分

基於以上密度的定義，我們可以將樣本集中的點劃分為以下三類：

• 核心點：在半徑r區域內，含有超過MinPts數目（最小數目）的點，稱為核心點；
• 邊界點：在半徑r區域內，點的數量小於MinPts數目，但是是核心點的直接鄰居；
• 噪聲點：既不是核心點也不是邊界點的點

下圖可以很清楚的區分三種點：

依照上圖以及三種點的定義，可以得到：噪聲點是不會被聚類納入的點，邊界點與核心點組成聚類的“簇”。

3、介紹三個有趣的概念

• 直接密度可達：在給定一個物件集合D，如果p在q的r領域內，且q是一個核心點物件，則稱物件p從物件q出發時是直接密度可達的
• 密度可達：在給定物件集合D中，如果存在一個物件鏈q–>e–>a–>k–>l–>p，任意相鄰兩個物件間都是直接密度可達的，則稱物件p是物件q關於r鄰域內、MinPts數目下，是密度可達的；
• 密度相連：如果在物件集合D中存在一個物件O，使得物件p和q都是從O關於r鄰域內、MinPts數目下，是密度相連的。

如下圖所示：r用一個相應的半徑表示，設MinPts=3，分析Q、M、P、S、O、R這5個樣本點之間的關係。

根據以上概念可知：由於有標記的各點M、P、O和R的r鄰域均包含3個以上的點，因此它們都是核對象；M是從P的“直接密度可達”；Q是從M的“直接密度可達”；基於上述結果，Q是從P的“密度可達”；但P從Q是無法“密度可達”（非對稱的）；類似的，S和R都是從O的“密度可達”；O、R都是從S的“密度相連”。

也就是說：核心點能夠連通（密度可達），它們構成的以r為半徑的圓形鄰域相互連線或重疊，這些連通的核心點及其所處的鄰域內的全部點構成一個簇。

4、DBSCAN聚類演算法原理

1. DBSCAN通過檢查資料集中每個點的r鄰域來搜尋簇，如果點p的r鄰域包含多於MinPts個點，則建立一個以p為核心物件的簇；
2. 然後， DBSCAN迭代的聚集從這些核心物件直接密度可達的物件，這個過程可能涉及一些密度可達簇的合併；
3. 當沒有新的帶你新增到任何簇時，迭代過程結束。

DBSCAN聚類演算法效果展示如下圖：

5、DBSCAN聚類演算法優缺點

優點：基於密度定義，可以對抗噪聲，能處理任意形狀和大小的簇

缺點：當簇的密度變化太大時候，聚類得到的結果會不理想；對於高維問題，密度定義也是一個比較麻煩的問題。

6、DBSCAN聚類演算法

# -*- coding:utf-8 -*-
# -*- author：zzZ_CMing
# -*- 2018/04/10；15:38
# -*- python3.5

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
import matplotlib.colors

# 建立Figure
fig = plt.figure()
# 用來正常顯示中文標籤
matplotlib.rcParams['font.sans-serif'] = [u'SimHei']
# 用來正常顯示負號
matplotlib.rcParams['axes.unicode_minus'] = False

X1, y1 = datasets.make_circles(n_samples=5000, factor=.6,
                                      noise=.05)
X2, y2 = datasets.make_blobs(n_samples=1000, n_features=2,
                             centers=[[1.2,1.2]], cluster_std=[[.1]],random_state=9)

# 原始點的分佈
ax1 = fig.add_subplot(311)
X = np.concatenate((X1, X2))
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.title(u'原始資料分佈')
plt.sca(ax1)

"""
# K-means聚類
from sklearn.cluster import KMeans
ax2 = fig.add_subplot(312)
y_pred = KMeans(n_clusters=3, random_state=9).fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.title(u'K-means聚類')
plt.sca(ax2)
"""

# DBSCAN聚類
from sklearn.cluster import DBSCAN
ax3 = fig.add_subplot(313)
y_pred = DBSCAN(eps = 0.1, min_samples = 10).fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.title(u'DBSCAN聚類')
plt.sca(ax3)

plt.show()

效果展示：

–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-—-—-—-—-—-—-—-—-—-—-—-——-
–—-—-—-—-—-—-—-—-—-—-—-—–—-—-—-—-—-—-—-——-—-—-—-—-—-—-—-—-—-—-—-—-—-——-

系列推薦：