在我们日常应用密度聚类分析时,最常用的一类应用场景就是基于位置信息的聚类,它可以帮助我们找到哪些样本点(一般是经度、纬度)在地理空间维度上具有关联性。
今天就为大家介绍一下如何使用DBSCAN算法实现经纬度聚类。
本案例中, 我们仍然使用sklearn库中封装好的DBSCAN聚类算法来实现,这个算法封装在sklearn.cluster包下。
下面我们来看一下这个函数的具体用法
class sklearn.cluster.DBSCAN(eps=0.5, *, min_samples=5, metric=’euclidean’, metric_params=None)
sklearn
函数常用的参数主要有4个:
2、min_samples:对应算法中的MinPts,即密度阈值,只有当邻域半径eps内的点的个数大于最少点数目MinPts时,我们定义为属于密集分布
3、metric:计算点之间的
Original: https://blog.csdn.net/zy_dreamer/article/details/125741009
Author: 白话机器学习
Title: 实战案例——使用DBSCAN实现经纬度聚类
原创文章受到原创版权保护。转载请注明出处:https://www.johngo689.com/623463/
转载文章受原作者版权保护。转载请注明原作者出处!