Python scikit-learn 中的 DBSCAN：将聚类点保存在数组中答案

【问题标题】：DBSCAN in scikit-learn of Python: save the cluster points in an arrayPython scikit-learn 中的 DBSCAN：将聚类点保存在数组中
【发布时间】：2013-08-16 17:52:31
【问题描述】：

按照 Scikit Learning 的示例Demo of DBSCAN clustering algorithm，我试图将每个聚类类的 x、y 存储在一个数组中

import numpy as np
from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.preprocessing import StandardScaler
from pylab import *

# Generate sample data
centers = [[1, 1], [-1, -1], [1, -1]]
X, labels_true = make_blobs(n_samples=750, centers=centers, cluster_std=0.4, random_state=0)
X = StandardScaler().fit_transform(X) 

xx, yy = zip(*X)
scatter(xx,yy)
show()

db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples = db.core_sample_indices_
labels = db.labels_
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print n_clusters_
3

我正在尝试通过 scikit-learn 了解 DBSCAN 实现，但从这一点开始我遇到了麻烦。簇数为 3（n_clusters_），我希望将每个簇的 x、y 存储在一个数组中

【问题讨论】：

标签： python cluster-analysis scikit-learn dbscan

【解决方案1】：

第一个集群是X[labels == 0]等：

clusters = [X[labels == i] for i in xrange(n_clusters_)]

异常值是

outliers = X[labels == -1]

【讨论】：

【解决方案2】：

“每个集群”是什么意思？

在 DBSCAN 中，集群不像 k-means 中那样表示为质心，因此除了其成员之外，没有明显的集群表示。您已经有了集群成员的 x 和 y 位置，因为它们是输入数据。

所以我不确定问题是什么。

【讨论】：

嘿安德烈亚斯，对不起，如果我不清楚。如果您在图 2 中看到，每个点 (x, y) 由于集群而具有不同的颜色（例如，示例中的 3 个集群和后面的点是噪声）。我希望有一个包含 3 个块的数组。每个块存储该集群的 x、y 点值。
你有集群成员的 x 和 y 位置，但是你怎么知道这些点在哪个集群中？
@user3378649，有对应其集群的标签。 dbscan.labels_