在python中获取sklearn中的集群大小

Question

我正在使用 sklearn DBSCAN 对我的数据进行如下聚类。

#Apply DBSCAN (sims == my data as list of lists)
db1 = DBSCAN(min_samples=1, metric='precomputed').fit(sims)

db1_labels = db1.labels_
db1n_clusters_ = len(set(db1_labels)) - (1 if -1 in db1_labels else 0)
#Returns the number of clusters (E.g., 10 clusters)
print('Estimated number of clusters: %d' % db1n_clusters_)

现在我想从大小（每个集群中的数据点数）排序前 3 个集群。请让我知道如何在 sklearn 中获取集群大小？

Answer 1

另一种选择是使用numpy.unique:

db1_labels = db1.labels_
labels, counts = np.unique(db1_labels[db1_labels>=0], return_counts=True)
print labels[np.argsort(-counts)[:3]]

Answer 2

你可以Bincount Function in Numpy 来获取标签的频率。例如，我们将使用 scikit-learn 使用example for DBSCAN：

#Store the labels
labels = db.labels_

#Then get the frequency count of the non-negative labels
counts = np.bincount(labels[labels>=0])

print counts
#Output : [243 244 245]

然后要获得前 3 个值，请使用 argsort in numpy。在我们的示例中，由于只有 3 个集群，我将提取前 2 个值：

top_labels = np.argsort(-counts)[:2]

print top_labels
#Output : [2 1]

#To get their respective frequencies
print counts[top_labels]