[Clustering] DBSCAN

 

 

DBSCAN¶

• 밀도 기반 군집화
• 기하학적으로 복잡한 데이터 세트에도 효과적
• 특정 공간 내에 데이터 밀도 차이를 기반한 알고리즘

epsilon : 개별 데이터를 중심으로 입실론 반경을 가진 원형의 영역입니다.
핵심 포인트(최소 데이터 개수 이상(자신의 데이터 포함))와 이웃포인트(주변 영역에 포함)로 핵심포인트인 데이터를 정의합니다.
Core point : 주변 영역 내에 최소 데이터 개수 이상을 가집니다.
Border point : 핵심 포인트는 아니지만 이웃 포인트로 핵심 포인트를 가집니다.
Noise point : 핵심 포인트와 이웃 포인트로 핵심포인트도 없습니다.
핵심 포인트를 서로 연결하면서 군비화를 구성합니다.

 

In [29]:

from sklearn.datasets import load_iris
from sklearn.cluster import DBSCAN
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
%matplotlib inline

 

In [30]:

iris = load_iris()
feature_names = ['sepal_length','sepal_width','petal_length','petal_width']

# 보다 편리한 데이타 Handling을 위해 DataFrame으로 변환
iris_df = pd.DataFrame(data=iris.data, columns=feature_names)
iris_df['target'] = iris.target

 

In [31]:

# epsilon은 1이하 값을 지정합니다.
# eps 가 커지면 노이즈가 작아지고 min_samples가 커지면 노이즈가 커집니다,.
dbscan = DBSCAN(eps=0.8, min_samples=8, metric='euclidean')
dbscan_labels = dbscan.fit_predict(iris.data)

iris_df['dbscan_cluster'] = dbscan_labels
iris_df['target'] = iris.target

iris_result = iris_df.groupby(['target'])['dbscan_cluster'].value_counts()
print(iris_result)
# -1레이블은 노이즈를 가리킵니다.

 

 

target  dbscan_cluster
0        0                50
1        1                50
2        1                47
        -1                 3
Name: dbscan_cluster, dtype: int64

 

In [32]:

# 2차원으로 시각화하기 위해 PCA n_componets=2로 피처 데이터 세트 변환
pca = PCA(n_components=2, random_state=0)
pca_transformed = pca.fit_transform(iris.data)
# visualize_cluster_plot( ) 함수는 ftr1, ftr2 컬럼을 좌표에 표현하므로 PCA 변환값을 해당 컬럼으로 생성
iris_df['ftr1'] = pca_transformed[:,0]
iris_df['ftr2'] = pca_transformed[:,1]

 

In [33]:

iris_df.head(3)

 

Out[33]:

	sepal_length	sepal_width	petal_length	petal_width	target	dbscan_cluster	ftr1	ftr2
0	5.1	3.5	1.4	0.2	0	0	-2.684126	0.319397
1	4.9	3.0	1.4	0.2	0	0	-2.714142	-0.177001
2	4.7	3.2	1.3	0.2	0	0	-2.888991	-0.144949

 

In [34]:

unique_labels = np.unique(dbscan_labels)
markers=['o', 's', '^', 'x', '*']

for label in unique_labels:
    label_cluster = iris_df[iris_df['dbscan_cluster']==label]
    if label == -1:
            cluster_legend = 'Noise'
            isNoise=True
    else :
         cluster_legend = 'Cluster '+str(label)
            
    # 군집별로 다른 마커로 산점도 적용
    plt.scatter(x=label_cluster['ftr1'], y=label_cluster['ftr2'], s=50, edgecolor='k', marker=markers[label], label=cluster_legend)
plt.legend(loc='upper center')        
plt.show()