DBScan+iris数据集实现+参数调节

关于DBScan的理论就不再黏贴了，这里记录一个讲的比较详细的网站 ： https://www.cnblogs.com/pinard/p/6208966.html
下午尝试着用iris数据集去测试一下， 但发现效果不太理想，后面又用比较简单的参数调节方法去调参数，似乎也不理想，这里把记录下来以供后面继续研究。

1. Load data from iris.csv

import pandas as pd
import numpy as np
import math
import operator
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN

data = pd.read_csv("iris.csv")
data = np.mat(data)

2. Use sklearn.DBSCAN to do the clustering

y_pred = DBSCAN(eps=0.5, min_samples=5).fit_predict(data[:, 1:5])

3. Show the result

colors = 'gbycm'
y_pred_color = []
category = []
for pred in y_pred:
    if pred == -1:
        color = 'r'
    else:
        color = colors[pred]
    y_pred_color.append(color)

for type in data[:, 5]:
    if type == 'setosa':
        category.append(0)
    elif type == 'versicolor':
        category.append(1)
    elif type == 'virginica':
        category.append(2)
        
plt.scatter(data[:, 0].tolist(), category, c=y_pred_color)
plt.show()

原始数据里是分成三个类别的，但是做了聚类以后只分出了两个类别，考虑可能是eps=0.5, min_samples=5这两个参数选的不好，于是尝试其他参数，但也没有得到3个分类的目标
于是找了一些参数调节的方法，下面这个是说的比较多的算法：

• 计算每个点与其他所有点之间的欧几里德距离 计算每个点的k-距离值，并对所有点的k-距离集合进行升序排序，输出的排序后的k-距离值
• 将所有点的k-距离值，在Excel中用散点图显示k-距离变化趋势 根据散点图确定半径Eps的值
• 根据给定MinPts=4，以及半径Eps的值，计算所有核心点，并建立核心点与到核心点距离小于半径Eps的点的映射
• 根据得到的核心点集合，以及半径Eps的值，计算能够连通的核心点，并得到离群点
• 将能够连通的每一组核心点，以及到核心点距离小于半径Eps的点，都放到一起，形成一个簇

尝试实现一下 ：

data = pd.read_csv("iris.csv")
data = np.mat(data)

k = 4
distances = {}
for x in range(len(data)):
    distancesForRow = []
    for y in range(len(data)):
        if x != y:
            dist = euclideanDistance(data[x, 1:5], data[y, 1:5])
            distancesForRow.append(dist)
    distancesForRow.sort(reverse = True)
    distances[x] = distancesForRow[k-1]

newDistances = sorted(distances.items(), key = operator.itemgetter(1))
for x in range(len(newDistances)):
    plt.scatter(x, newDistances[x][1])

plt.show()

结果：也没找到什么明显的拐点。。。能给什么帮助，先记录在这里，等有空再研究吧