python机器学习API介绍20: 密度聚类及其用法( 七 )

2019-12-29

ax.set_ylabel(\"core_nums\")

plt.suptitle(\"DBSCAN\")

plt.show()

centers=[[11
[12
[22
[1020

x labels_true = create_data(centers 1000 0.5)

plot_DBSCAN_minSamples(x labels_true)

上述代码运行后结果为：

API of DBSCAN:0.32560316605377004

core sample num of DBSCAN: 985

DBSCAN中参数E和MinPts对API性能的影响

从运行结果可以看出，核心样本数量随着eps的增长而上升，这是因为随着E的增长，样本点的邻域在扩展，样本点邻域内的样本会更多，这就产生了更多满足条件的样本点，但是样本集中的样本有限，所以核心样本点增加到一定数目后会趋于稳定。

推荐阅读

上一篇：48岁毛宁与妻子生活近照，老婆貌美如花，网友：比杨钰莹更漂亮

下一篇：目前的iPhone产品中，11以及XR还有iPhone8，谁的性价比最高？