1、什么是密度聚类？

2、相较于划分聚类方法，密度聚类的典型优点是什么？

3、熟练使用sklearn库进行密度聚类的编程。

from sklearn.datasets import make_moons 

#一个简单的玩具数据集可视化聚类和分类算法。

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

plt.scatter(X[:,0],X[:,1], c=y)

1、使用Kmeans聚类方法

from sklearn.cluster import KMeans

kmeans = KMeans(n_clusters=2)

kmeans.fit(X)

labels = kmeans.labels_

kmeans.predict(X)#kmeans.predict(X)== kmeans.labels_

#模型cluster_centers_ 属性保存了聚类结果的中⼼点

centers = kmeans.cluster_centers_

#利用可视化图形查看最终聚类结果

plt.scatter(X[:,0],X[:,1], c = labels)

plt.plot(centers[:,0], centers[:,1],'ro')

2、DBSCAN聚类

#DBSCAN聚类实践

from sklearn.cluster import DBSCAN

db = DBSCAN(eps=0.3, min_samples=10)

db.fit(X)

DBSCAN(algorithm='auto', eps=0.3, leaf_size=30, metric='euclidean',

    metric_params=None, min_samples=10, n_jobs=None, p=None)

plt.scatter(X[:,0],X[:,1], c = db.labels_)