DBSCAN屬于無監(jiān)督學(xué)習(xí)算法，無監(jiān)督算法的內(nèi)涵是觀察無標(biāo)簽數(shù)據(jù)集自動發(fā)現(xiàn)隱藏結(jié)構(gòu)和層次，在無標(biāo)簽數(shù)據(jù)中尋找隱藏規(guī)律。聚類模型在數(shù)據(jù)分析當(dāng)中的應(yīng)用：既可以作為一個(gè)單獨(dú)過程，用于尋找數(shù)據(jù)內(nèi)在規(guī)律，也可以作為分類等其他分析任務(wù)的前置探索。上篇我們講了基于原型的k-means聚類算法，這篇我們來講通常情況下聚類效果表現(xiàn)更優(yōu)異的密度聚類DBSCAN。DBSCAN是一種基于密度的考慮到噪音的空間聚類算法。簡單來講，給定一組點(diǎn)，DBSCAN將彼此距離（歐幾里得距離）很近的點(diǎn)聚成一類，同時(shí)它還將低密度區(qū)域中的點(diǎn)標(biāo)記為異常值（outlier）。要了解DBSCAN算法，我們先來熟悉一些關(guān)鍵概念：- 數(shù)據(jù)點(diǎn)密度：某數(shù)據(jù)點(diǎn)指定的半徑中點(diǎn)的數(shù)量即稱為密度；
- 核心對象/核心點(diǎn)：如果指定半徑(ε)內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量超過了規(guī)定的點(diǎn)數(shù)量(Minpts)，那么該點(diǎn)即稱為核心點(diǎn)；
- 邊界點(diǎn)：如果某點(diǎn)的半徑(ε)內(nèi)的點(diǎn)數(shù)量少于規(guī)定的點(diǎn)數(shù)量(Minpts)，不能發(fā)展下線，但是卻在核心點(diǎn)的鄰域內(nèi)，那么該點(diǎn)稱為邊界點(diǎn)；
- 密度可達(dá)：若某點(diǎn)a在點(diǎn)b的鄰域內(nèi)，則b是核心點(diǎn)a的直接密度可達(dá)，若點(diǎn)c又在點(diǎn)b的鄰域內(nèi)，則點(diǎn)c是點(diǎn)a的間接密度可達(dá)，a和c密度相連 (傳播過程)；
- 異常值/離群值：未在核心點(diǎn)鄰域內(nèi)，從任何一個(gè)核心點(diǎn)出發(fā)都密度不可達(dá)，既不是核心點(diǎn)也不是邊界點(diǎn)的點(diǎn)稱為異常值點(diǎn)；
以下圖為例，將所有點(diǎn)基于半徑(ε)畫圈，指定數(shù)據(jù)點(diǎn)密度為3，我們發(fā)現(xiàn)下圖紅色點(diǎn)在指定半徑內(nèi)的密度均>3，故紅色點(diǎn)為核心點(diǎn)；而B、C點(diǎn)在核心點(diǎn)鄰域內(nèi)，但是其半徑內(nèi)的點(diǎn)只有2個(gè)，小于指定密度，故B、C為邊界點(diǎn)；N點(diǎn)未在核心點(diǎn)鄰域內(nèi)，且從任何一個(gè)核心點(diǎn)出發(fā)都密度不可達(dá)，故N為異常值點(diǎn)；以上點(diǎn)A與B、A與C均密度相連；
DBSCAN算法實(shí)現(xiàn)原理
算法根據(jù)指定的鄰域密度參數(shù) ( ε , Minpts ) 找出所有點(diǎn)中的核心點(diǎn)，確定核心點(diǎn)集合為Ω；
從Ω中，隨機(jī)選取一個(gè)核心點(diǎn)作為對象，找出所有由其密度可達(dá)的樣本生成聚類簇；
重復(fù)過程2，在Ω中隨機(jī)選取未被聚簇過的剩余核心點(diǎn)，持續(xù)進(jìn)行直到所有核心點(diǎn)密度可達(dá)的聚類完全被發(fā)現(xiàn)；
優(yōu)點(diǎn)
- 不需要預(yù)先指定聚類簇個(gè)數(shù)
缺點(diǎn)
算法針對數(shù)據(jù)點(diǎn)形狀和大小有靈活性，且可以識別處理異常值，聚類效果表現(xiàn)優(yōu)異，如下圖：
DBSCAN數(shù)據(jù)分析實(shí)戰(zhàn)案例
案例背景：O2O平臺為了更好地為線下店面服務(wù)，增加一個(gè)增值服務(wù)，即利用自己擁有的地理位置數(shù)據(jù)為線下店面選址，數(shù)據(jù)如下：
每一條數(shù)據(jù)是一個(gè)興趣點(diǎn)（POI - Point of Interest）的特征，具體指的是以這個(gè)位置為中心的500米半徑圓里，各類商家/設(shè)施的數(shù)量，數(shù)據(jù)中我們隱藏掉了每個(gè)POI的具體名稱、坐標(biāo)、類型。選址的商家將試圖從這些位置中選擇一個(gè)作為下一個(gè)店面的位置。
商家想知道這40個(gè)潛在店面位置之間是否有顯著的差異。我們可以將所有POI按照相似程度，劃分成幾個(gè)類別？
數(shù)據(jù)準(zhǔn)備：數(shù)據(jù)獲取、數(shù)據(jù)清洗、數(shù)據(jù)變換等步驟，重點(diǎn)是針對分析目的，進(jìn)行特征選擇以及特征標(biāo)準(zhǔn)化；數(shù)據(jù)建模：使用DBSCAN算法進(jìn)行數(shù)據(jù)建模；后續(xù)分析：聚類模型的特征描述分析，基于業(yè)務(wù)問題，進(jìn)一步分析；
5、聚類分析，對每一聚類進(jìn)行進(jìn)一步分析和描述
6、根據(jù)描述分析，生成poi聚類結(jié)果畫像，利用聚類，對人群/商品/行為標(biāo)簽進(jìn)行精細(xì)劃分，作為進(jìn)一步商業(yè)決策的基礎(chǔ)；
以上DBSCAN聚類算法就講完了，關(guān)于算法的參數(shù)選擇通常是基于經(jīng)驗(yàn)和對數(shù)據(jù)集的業(yè)務(wù)了解來確定，可以使用畫k距離圖的方式來找拐點(diǎn)然后通過觀測聚類表現(xiàn)來調(diào)優(yōu)。
本文系作者：
大洛同學(xué)
授權(quán)發(fā)表，鳥哥筆記平臺僅提供信息存儲空間服務(wù)。
本文為作者獨(dú)立觀點(diǎn)，不代表鳥哥筆記立場，未經(jīng)允許不得轉(zhuǎn)載。
《鳥哥筆記版權(quán)及免責(zé)申明》
如對文章、圖片、字體等版權(quán)有疑問，請點(diǎn)擊
反饋舉報(bào)
我們致力于提供一個(gè)高質(zhì)量內(nèi)容的交流平臺。為落實(shí)國家互聯(lián)網(wǎng)信息辦公室“依法管網(wǎng)、依法辦網(wǎng)、依法上網(wǎng)”的要求，為完善跟帖評論自律管理，為了保護(hù)用戶創(chuàng)造的內(nèi)容、維護(hù)開放、真實(shí)、專業(yè)的平臺氛圍，我們團(tuán)隊(duì)將依據(jù)本公約中的條款對注冊用戶和發(fā)布在本平臺的內(nèi)容進(jìn)行管理。平臺鼓勵用戶創(chuàng)作、發(fā)布優(yōu)質(zhì)內(nèi)容，同時(shí)也將采取必要措施管理違法、侵權(quán)或有其他不良影響的網(wǎng)絡(luò)信息。
一、根據(jù)《網(wǎng)絡(luò)信息內(nèi)容生態(tài)治理規(guī)定》《中華人民共和國未成年人保護(hù)法》等法律法規(guī)，對以下違法、不良信息或存在危害的行為進(jìn)行處理。
1. 違反法律法規(guī)的信息，主要表現(xiàn)為：
1)反對憲法所確定的基本原則；
2)危害國家安全，泄露國家秘密，顛覆國家政權(quán)，破壞國家統(tǒng)一，損害國家榮譽(yù)和利益；
3)侮辱、濫用英烈形象，歪曲、丑化、褻瀆、否定英雄烈士事跡和精神，以侮辱、誹謗或者其他方式侵害英雄烈士的姓名、肖像、名譽(yù)、榮譽(yù)；
4)宣揚(yáng)恐怖主義、極端主義或者煽動實(shí)施恐怖活動、極端主義活動；
5)煽動民族仇恨、民族歧視，破壞民族團(tuán)結(jié)；
6)破壞國家宗教政策，宣揚(yáng)邪教和封建迷信；
7)散布謠言，擾亂社會秩序，破壞社會穩(wěn)定；
8)宣揚(yáng)淫穢、色情、賭博、暴力、兇殺、恐怖或者教唆犯罪；
9)煽動非法集會、結(jié)社、游行、示威、聚眾擾亂社會秩序；
10)侮辱或者誹謗他人，侵害他人名譽(yù)、隱私和其他合法權(quán)益；
11)通過網(wǎng)絡(luò)以文字、圖片、音視頻等形式，對未成年人實(shí)施侮辱、誹謗、威脅或者惡意損害未成年人形象進(jìn)行網(wǎng)絡(luò)欺凌的；
12)危害未成年人身心健康的；
13)含有法律、行政法規(guī)禁止的其他內(nèi)容；
2. 不友善：不尊重用戶及其所貢獻(xiàn)內(nèi)容的信息或行為。主要表現(xiàn)為：
1)輕蔑：貶低、輕視他人及其勞動成果；
2)誹謗：捏造、散布虛假事實(shí)，損害他人名譽(yù)；
3)嘲諷：以比喻、夸張、侮辱性的手法對他人或其行為進(jìn)行揭露或描述，以此來激怒他人；
4)挑釁：以不友好的方式激怒他人，意圖使對方對自己的言論作出回應(yīng)，蓄意制造事端；
5)羞辱：貶低他人的能力、行為、生理或身份特征，讓對方難堪；
6)謾罵：以不文明的語言對他人進(jìn)行負(fù)面評價(jià)；
7)歧視：煽動人群歧視、地域歧視等，針對他人的民族、種族、宗教、性取向、性別、年齡、地域、生理特征等身份或者歸類的攻擊；
8)威脅：許諾以不良的后果來迫使他人服從自己的意志；
3. 發(fā)布垃圾廣告信息：以推廣曝光為目的，發(fā)布影響用戶體驗(yàn)、擾亂本網(wǎng)站秩序的內(nèi)容，或進(jìn)行相關(guān)行為。主要表現(xiàn)為：
1)多次發(fā)布包含售賣產(chǎn)品、提供服務(wù)、宣傳推廣內(nèi)容的垃圾廣告。包括但不限于以下幾種形式：
2)單個(gè)帳號多次發(fā)布包含垃圾廣告的內(nèi)容；
3)多個(gè)廣告帳號互相配合發(fā)布、傳播包含垃圾廣告的內(nèi)容；
4)多次發(fā)布包含欺騙性外鏈的內(nèi)容，如未注明的淘寶客鏈接、跳轉(zhuǎn)網(wǎng)站等，誘騙用戶點(diǎn)擊鏈接
5)發(fā)布大量包含推廣鏈接、產(chǎn)品、品牌等內(nèi)容獲取搜索引擎中的不正當(dāng)曝光；
6)購買或出售帳號之間虛假地互動，發(fā)布干擾網(wǎng)站秩序的推廣內(nèi)容及相關(guān)交易。
7)發(fā)布包含欺騙性的惡意營銷內(nèi)容，如通過偽造經(jīng)歷、冒充他人等方式進(jìn)行惡意營銷；
8)使用特殊符號、圖片等方式規(guī)避垃圾廣告內(nèi)容審核的廣告內(nèi)容。
4. 色情低俗信息，主要表現(xiàn)為：
1)包含自己或他人性經(jīng)驗(yàn)的細(xì)節(jié)描述或露骨的感受描述；
2)涉及色情段子、兩性笑話的低俗內(nèi)容；
3)配圖、頭圖中包含庸俗或挑逗性圖片的內(nèi)容；
4)帶有性暗示、性挑逗等易使人產(chǎn)生性聯(lián)想；
5)展現(xiàn)血腥、驚悚、殘忍等致人身心不適；
6)炒作緋聞、丑聞、劣跡等；
7)宣揚(yáng)低俗、庸俗、媚俗內(nèi)容。
5. 不實(shí)信息，主要表現(xiàn)為：
1)可能存在事實(shí)性錯誤或者造謠等內(nèi)容；
2)存在事實(shí)夸大、偽造虛假經(jīng)歷等誤導(dǎo)他人的內(nèi)容；
3)偽造身份、冒充他人，通過頭像、用戶名等個(gè)人信息暗示自己具有特定身份，或與特定機(jī)構(gòu)或個(gè)人存在關(guān)聯(lián)。
6. 傳播封建迷信，主要表現(xiàn)為：
1)找人算命、測字、占卜、解夢、化解厄運(yùn)、使用迷信方式治?。?br /> 2)求推薦算命看相大師；
3)針對具體風(fēng)水等問題進(jìn)行求助或咨詢；
4)問自己或他人的八字、六爻、星盤、手相、面相、五行缺失，包括通過占卜方法問婚姻、前程、運(yùn)勢，東西寵物丟了能不能找回、取名改名等；
7. 文章標(biāo)題黨，主要表現(xiàn)為：
1)以各種夸張、獵奇、不合常理的表現(xiàn)手法等行為來誘導(dǎo)用戶；
2)內(nèi)容與標(biāo)題之間存在嚴(yán)重不實(shí)或者原意扭曲；
3)使用夸張標(biāo)題，內(nèi)容與標(biāo)題嚴(yán)重不符的。
8.「飯圈」亂象行為，主要表現(xiàn)為：
1)誘導(dǎo)未成年人應(yīng)援集資、高額消費(fèi)、投票打榜
2)粉絲互撕謾罵、拉踩引戰(zhàn)、造謠攻擊、人肉搜索、侵犯隱私
3)鼓動「飯圈」粉絲攀比炫富、奢靡享樂等行為
4)以號召粉絲、雇用網(wǎng)絡(luò)水軍、「養(yǎng)號」形式刷量控評等行為
5)通過「蹭熱點(diǎn)」、制造話題等形式干擾輿論，影響傳播秩序
9. 其他危害行為或內(nèi)容，主要表現(xiàn)為：
1)可能引發(fā)未成年人模仿不安全行為和違反社會公德行為、誘導(dǎo)未成年人不良嗜好影響未成年人身心健康的；
2)不當(dāng)評述自然災(zāi)害、重大事故等災(zāi)難的；
3)美化、粉飾侵略戰(zhàn)爭行為的；
4)法律、行政法規(guī)禁止，或可能對網(wǎng)絡(luò)生態(tài)造成不良影響的其他內(nèi)容。
二、違規(guī)處罰
本網(wǎng)站通過主動發(fā)現(xiàn)和接受用戶舉報(bào)兩種方式收集違規(guī)行為信息。所有有意的降低內(nèi)容質(zhì)量、傷害平臺氛圍及欺凌未成年人或危害未成年人身心健康的行為都是不能容忍的。
當(dāng)一個(gè)用戶發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將依據(jù)相關(guān)用戶違規(guī)情節(jié)嚴(yán)重程度，對帳號進(jìn)行禁言 1 天、7 天、15 天直至永久禁言或封停賬號的處罰。當(dāng)涉及欺凌未成年人、危害未成年人身心健康、通過作弊手段注冊、使用帳號，或者濫用多個(gè)帳號發(fā)布違規(guī)內(nèi)容時(shí)，本網(wǎng)站將加重處罰。
三、申訴
隨著平臺管理經(jīng)驗(yàn)的不斷豐富，本網(wǎng)站出于維護(hù)本網(wǎng)站氛圍和秩序的目的，將不斷完善本公約。
如果本網(wǎng)站用戶對本網(wǎng)站基于本公約規(guī)定做出的處理有異議，可以通過「建議反饋」功能向本網(wǎng)站進(jìn)行反饋。
(規(guī)則的最終解釋權(quán)歸屬本網(wǎng)站所有)