聚类DBSCAN学生月上网时间分布聚类实例

系统管理员 2023-07-07 11:18 26阅读 0赞

\*\*

# 基于《Python机器学习》——北京理工大学 学习笔记 #

import numpy as np                          #引入相关工程包
    import sklearn.cluster as skc
    from sklearn import metrics
    import matplotlib.pyplot as plt
     
     
    mac2id=dict()                                                                    
    onlinetimes=[]
    f=open('TestData.txt',encoding='utf-8')             #加载数据
    for line in f:                                
        mac=line.split(',')[2]
        onlinetime=int(line.split(',')[6])
        starttime=int(line.split(',')[4].split(' ')[1].split(':')[0])        #读取每条数据的MAC地址，开始上网时间，上网时长
        if mac not in mac2id:
            mac2id[mac]=len(onlinetimes)         
            onlinetimes.append((starttime,onlinetime))
        else:
            onlinetimes[mac2id[mac]]=[(starttime,onlinetime)]
    real_X=np.array(onlinetimes).reshape((-1,2))            #形成一个二维矩阵
     
    X=real_X[:,0:1]              #提取每行第一列元素
     
    db=skc.DBSCAN(eps=0.01,min_samples=20).fit(X)     #调用DBSCAN进行训练，labels为每个簇的标签 
    labels = db.labels_
     
    print('Labels:')                                             #打印数据被记上的标签，噪声数据的标签为-1
    print(labels)
    raito=len(labels[labels[:] == -1]) / len(labels)            #计算标签为-1的比例，即噪声数据比例
    print('Noise raito:',format(raito, '.2%'))
     
    n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)         #簇的个数
     
    print('Estimated number of clusters: %d' % n_clusters_)         
    print("Silhouette Coefficient: %0.3f"% metrics.silhouette_score(X, labels))   # 打印聚类效果
     
    for i in range(n_clusters_):                          #打印簇类标号以及各簇数据
        print('Cluster ',i,':')
        print(list(X[labels == i].flatten()))
         
    plt.hist(X,24)
    plt.show()

## 个别函数用法说明： ##

1.  flatten( ) ：flatten是numpy.ndarray.flatten的一个函数，即返回一个一维数组。flatten只能适用于numpy对象，即array或者mat，普通的list列表不适用。例如：  
    ![20200222225828321.png][]  
    a.flatten()：按默认方向降维  
    a.flatten(‘F’)：按列方向降维  
    a.flatten(‘A’)：按行方向降维

> https://www.jb51.net/article/150035.htm

1.  set()：set函数创建一个无序不重复元素集，可进行关系测试，删除重复数据，还可以计算交集、差集、并集等。例如：  
    ![在这里插入图片描述][20200222230505885.png]

## 个别参数说明 ##

1.eps:两个样本被看作邻居节点的最大距离  
2.min\_sample:簇的样本数  
3.metrics:距离计算方式（默认欧几里得距离）  
4.轮廓系数（Silhouette Coefficient）的值是介于 \[-1,1\] ，越趋近于1代表内聚度和分离度都相对较优

[20200222225828321.png]: https://img-blog.csdnimg.cn/20200222225828321.png
[20200222230505885.png]: https://img-blog.csdnimg.cn/20200222230505885.png