📊 밀도 기반 클러스터

📌 밀도 기반 클러스터란?

• 정의
  - 데이터가 비선형인 경우 일반적인 계층적, 비계층적 클러스터링이 불가
  - 이를 해결하기 위한 방안

📊 밀도 기반 클러스터 실습

📌 밀도 기반 클러스터 DBSCAN 실습

• 1. 라이브러리 Import

import matplotlib.pylab as plt
from matplotlib import style
import numpy as np
from sklearn.datasets import make_moons
from sklearn.cluster import KMeans, DBSCAN

---

• 2. 데이터 준비

x, y = make_moons(n_samples=200, noise=0.05, random_state=0)
print(x[:3])
# [[ 0.81680544  0.5216447 ]
#  [ 1.61859642 -0.37982927]
#  [-0.02126953  0.27372826]]

---

• 3. 데이터 분포도 확인

plt.scatter(x[:, 0], x[:, 1])
plt.show()

---

• 4. K-Means로 군집분류

km = KMeans(n_clusters=2, random_state=0)
km.fit(x)

pred1 = km.predict(x)
print('예측 군집 : ', pred1[:10])

---

• 5. K-Means 군집결과 시각화

def plotFunc(x, pred):
    plt.scatter(x[pred==0, 0], x[pred==0, 1], s=40, c='r', marker='o', label='cluster1')
    plt.scatter(x[pred==1, 0], x[pred==1, 1], s=40, c='b', marker='o', label='cluster2')
    plt.scatter(km.cluster_centers_[:, 0], km.cluster_centers_[:, 1], s=60, c='black', marker='+', label='centroid')
    plt.legend()
    plt.show()

plotFunc(x, pred1)

---

• 6. 밀도 기반 클러스터링 DBSCAN으로 군집화
  - eps 속성 : 두 샘플간의 최대 거리
  - min_samples 속성 : 하나의 데이터 반경 안에 있는 샘플 개수 지정
  - metric 속성 : 거리 계산 방법 지정

ds = DBSCAN(eps=0.2, min_samples=5, metric='euclidean')
pred2 = ds.fit_predict(x)
plotFunc(x, pred2)