在Python中調整DBSCAN，以便它讀取我的數據集

Question

我一直在使用此代碼嘗試從我的文件中聚集我的經度和緯度點。但是我認爲它實際上是創建隨機點而不是實際使用我自己的點來找到羣集。

我還不確定這個算法是如何工作的。如果任何人都可以擺脫創建隨機點上我將如何在數據讀取方面的一些光正常，而不是它是什麼，我認爲make_blobs是做什麼的，將不勝感激

print(__doc__) 

import numpy as np 

from sklearn.cluster import DBSCAN 
from sklearn import metrics 
from sklearn.datasets.samples_generator import make_blobs 
from sklearn.preprocessing import StandardScaler 


############################################################################## 
# Generate sample data 
input = np.genfromtxt(open("dataset_import_noaddress.csv","rb"),delimiter=",", skip_header=1) 
coordinates = np.delete(input, [0,1], 1) 

X, labels_true = make_blobs(n_samples=750, centers=coordinates, cluster_std=0.4, 
          random_state=0) 

X = StandardScaler().fit_transform(X) 

############################################################################## 
# Compute DBSCAN 
db = DBSCAN(eps=0.3, min_samples=10).fit(X) 
core_samples_mask = np.zeros_like(db.labels_, dtype=bool) 
core_samples_mask[db.core_sample_indices_] = True 
labels = db.labels_ 

# Number of clusters in labels, ignoring noise if present. 
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0) 

print('Estimated number of clusters: %d' % n_clusters_) 
print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels)) 
print("Completeness: %0.3f" % metrics.completeness_score(labels_true, labels)) 
print("V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels)) 
print("Adjusted Rand Index: %0.3f" 
     % metrics.adjusted_rand_score(labels_true, labels)) 
print("Adjusted Mutual Information: %0.3f" 
     % metrics.adjusted_mutual_info_score(labels_true, labels)) 
print("Silhouette Coefficient: %0.3f" 
     % metrics.silhouette_score(X, labels)) 

############################################################################## 
# Plot result 
import matplotlib.pyplot as plt 

# Black removed and is used for noise instead. 
unique_labels = set(labels) 
colors = plt.cm.Spectral(np.linspace(0, 1, len(unique_labels))) 
for k, col in zip(unique_labels, colors): 
    if k == -1: 
     # Black used for noise. 
     col = 'k' 

    class_member_mask = (labels == k) 

    xy = X[class_member_mask & core_samples_mask] 
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col, 
      markeredgecolor='k', markersize=14) 

    xy = X[class_member_mask & ~core_samples_mask] 
    plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=col, 
      markeredgecolor='k', markersize=6) 

plt.title('Estimated number of clusters: %d' % n_clusters_) 
plt.show() 

我知道這可能是一個簡單的問題，但我真的只是希望找出是否有一種方法可以簡單地使用我的數據集，而不是創建一個隨機數據集。座標包含我所有點的矩陣

Answer 1

是的，當然是創建隨機點。

這就是爲什麼該函數被稱爲make_blobs，因爲它使blob。它也位於模塊sklearn.datasets.samples_generator中，該模塊進一步強調它生成樣本數據集。

它也會重新調整您的數據，但是您應該使用半直線距離。

您是否考慮過將數據加載到ELKI等工具中？ 你似乎不太喜歡編寫代碼。從互聯網上下載隨機的示例代碼，你不明白和運行通常不是一個好主意。