DBSCAN（Density-Based Spatial Clustering of Applications with Noise）

Overview

Coding

合成データセットにDBSCANを適用する

code: Python

from sklearn.datasets import make_blobs

from sklearn.cluster import DBSCAN

X, y = make_blobs(random_state=0, n_samples=12)

dbscan = DBSCAN()

clusters = dbscan.fit_predict(X)

print("Cluster memberships:\n{}".format(clusters))

--------------------------------------------------------------------------

Cluster memberships:

--------------------------------------------------------------------------

結果を見ると、すべてのデータポイントがノイズを表すラベル-1になっています。これは、epsとmin_samplesのデフォルト設定が、小さいデータセットに適していないからです。epsとmin_samplesを様々な値に設定してクラスタリングすると下のような結果になります。

code: Python

mglearn.plots.plot_dbscan()

--------------------------------------------------------------------------

--------------------------------------------------------------------------

https://gyazo.com/2a84bf8cd132e1e865055d680089e381

epsを増やすと、より多くの点がクラスタに含まれるようになります。こうするとクラスタが大きくなりますが、複数のクラスタが併合されることにもなります。min_samplesを増やすと、コアポイントになるデータポイントが少なくなり、より多くのデータポイントがノイズになります。

良いepsの値を見つけるには、スケール変換してからのほうが容易であることが多いです。スケール変換を行うと、すべての特徴量が同じ範囲になることが保証されているからです。

two_moonsデータセットにStandardScalerでスケール変換してDBSCANを適用する

code: Python

import matplotlib.pyplot as plt

import mglearn

from sklearn.datasets import make_moons

from sklearn.preprocessing import StandardScaler

X, y = make_moons(n_samples=200, noise=0.05, random_state=0)

# データを平均0分散1にスケール変換

scaler = StandardScaler()

scaler.fit(X)

X_scaled = scaler.transform(X)

dbscan = DBSCAN()

clusters = dbscan.fit_predict(X_scaled)

plt.xlabel("Feature 0")

plt.ylabel("Feature 1")

https://gyazo.com/a9649fd6936cff50c911af340fe59b55