基于密度的变密度聚类
hdbscan的Python项目详细描述
HDBScan
基于层次密度的应用空间聚类 有噪音。在不同的epsilon值上执行dbscan并集成 找到一个聚类的结果，它比epsilon更稳定。 这使得hdbscan能够找到密度不同的集群（与dbscan不同）。 对参数选择更加稳健。
实际上，这意味着hdbscan直接返回一个好的集群 只需很少或根本没有参数调整，而主要参数， 最小群集大小，直观且易于选择。
HDBScan是探索性数据分析的理想选择；它是一种快速和健壮的 可以信任的算法返回有意义的集群（如果有 有）。
根据论文：
< Buff行情>McInnes L，Healy J. 基于加速分层密度的聚类 在：2017年IEEE国际数据挖掘研讨会（ICDMW），IEEE，第33-42页。 2017年 [pdf]
R.Campello、D.Moulavi和J.Sander， 基于密度的聚类 层次密度估计 in：知识发现的进展数据挖掘，斯普林格，160-172页。 2013
阅读文档（包括教程）可在http://hdbscan.readthedocs.io/en/latest/" rel="nofollow">http://hdbscan.readthedocs.io/en/latest/上找到。
笔记本电脑将HDBScan与其他群集算法进行比较scan/blob/master/notebooks/how%20hdbscan%20works.ipynb" rel="nofollow">hdbscan如何工作和 比较执行与其他python集群实现的ance 可用。
如何使用HDBScan
hdbscan包继承自sklearn类，因此可以方便地插入 与其他具有相同调用api的sklearn cluster相邻。同样地 支持多种格式的输入：数组（或pandas数据框，或 稀疏矩阵）形状 （num-samples x num-features） ；数组（或稀疏矩阵） 给出样本之间的距离矩阵。
importhdbscanfromsklearn.datasetsimportmake_blobsdata,_=make_blobs(1000)clusterer=hdbscan.HDBSCAN(min_cluster_size=10)cluster_labels=clusterer.fit_predict(data)
性能
为了使hdbscan的实现速度与 可能的。它是一个HRFF＝"http://nbVistor.juyter .org/Github/ScKIT"学习CuriB/HDBSnc/Bulb/Muth/BoothBoo/Python %20VS%20Java.IPyb"Rele="nfoLoLo>">比爪哇中的参考实现更快的数量级， 并且目前比C和C++中高度优化的单链接实现更快。 在本笔记本中可以看到0.7版的性能 。 特别是，低维数据的性能优于sklearn的dbscan， 并通过支持joblib缓存，使用不同参数重新集群 几乎是免费的。
附加功能
hdbscan包配备了可视化工具来帮助您 了解聚类结果。在拟合数据之后，聚类器 对象具有以下属性：
- 浓缩的群集层次结构
- 健壮的单连杆机群层次结构
- 可达距离最小生成树
所有这些都配备了绘图和转换的方法 给熊猫或网络作进一步分析。看上面的笔记本 如何使用hdbscan 以获取示例和更多详细信息。
cluster对象还有一个提供集群成员身份的属性 强度，导致可选的软聚类（无需进一步计算 费用）。最后，每个集群还收到一个持久性得分 星系团在距离尺度范围内的稳定性 在数据中。这提供了集群相对强度的度量。
异常值检测
hdbscan集群对象也支持glosh离群点检测算法。 将聚类器拟合到数据后，可以通过 异常值得分属性。结果是一个分数向量，一个用于 每个合适的数据点。分数越高，表示的对象越离群。 通过上分位数选择离群值通常是一种尝试OD进近。
< DL>坚固的单连杆
hdbscan包还支持 健壮的单连杆 chaudhuri和dasgupta的聚类算法。和HDBScan一样 实现这是算法的高性能版本 优于scipy的标准单链接实现。这个 稳健的单连杆结构可用作 强大的单连杆组合器，同样具有绘图功能 或者导出层次结构，并在给定位置提取平面簇 切割电平和伽马值。
示例用法：
importhdbscanfromsklearn.datasetsimportmake_blobsdata,_=make_blobs(1000)clusterer=hdbscan.RobustSingleLinkage(cut=0.125,k=7)cluster_labels=clusterer.fit_predict(data)hierarchy=clusterer.cluster_hierarchy_alt_labels=hierarchy.get_clusters(0.100,5)hierarchy.plot()< DL>
安装
最简单的安装，如果你有蟒蛇（感谢康达锻造这是可怕的！）
conda install -c conda-forge hdbscan
pypi安装，假设您有最新的pip:
pip install hdbscan
由于 ryan helinski<； rlhelinski @ gmail com >；
如果pip在提取依赖项时遇到困难，那么我们建议首先升级 Pip到至少版本10，然后重试：
pip install --upgrade pip pip install hdbscan
否则，使用anaconda手动安装依赖项，然后从pip中拉出hdbscan:
conda install cython conda install numpy scipy conda install scikit-learn pip install hdbscan
直接从github手动安装最新代码：
pip install --upgrade git+https://github.com/scikit-learn-contrib/hdbscan.git#egg=hdbscan
或者下载软件包、安装要求并手动运行安装程序：
wget https://github.com/scikit-learn-contrib/hdbscan/archive/master.zip
unzip master.zip
rm master.zip
cd hdbscan-master
pip install -r requirements.txt
python setup.py install
运行测试
安装后，可以使用以下命令运行包测试：
nosetests -s hdbscan
或者，如果安装了nose ，但nosetests不在您的路径变量中：
importhdbscanfromsklearn.datasetsimportmake_blobsdata,_=make_blobs(1000)clusterer=hdbscan.HDBSCAN(min_cluster_size=10)cluster_labels=clusterer.fit_predict(data)0
如果一个或多个测试失败，请在https://github.com/scikit-learn-contrib/hdbscan/issues/new" rel="nofollow">https://github.com/scikit learn-contrib/hdbscan/issues/new上报告错误
python版本
hdbscan库同时支持python 2和python 3。但是，如果您可以使用python 3，我们建议您选择它。
帮助和支持
有关简单问题，请参阅文档中的faq。 如果您的问题在那里没有得到适当的解决，请检查github上的 问题 。最后，如果没有可用的解决方案，请随时打开问题；作者将尝试以合理及时的方式作出回应。
贡献
我们欢迎任何形式的贡献！帮助编写文档，特别是扩展教程， 总是受欢迎的。若要做出贡献，请执行更改并提交请求。我们将尽最大努力解决 然后将代码合并到主分支中。
引用
如果您在科学出版物中使用过此代码库，并希望引用它，请使用《开放源代码软件杂志》的 文章
< Buff行情> L.McInnes，J.Healy，S.AST公司els， hdbscan：基于层次密度的聚类 在：开放源码软件期刊，开放期刊，第2卷，第11期。 2017年importhdbscanfromsklearn.datasetsimportmake_blobsdata,_=make_blobs(1000)clusterer=hdbscan.HDBSCAN(min_cluster_size=10)cluster_labels=clusterer.fit_predict(data)1
要参考此库中开发的高性能算法，请引用我们在ICDMW 2017会议记录中的论文。
< Buff行情> McInnes L，Healy J. 基于加速分层密度的聚类 在：2017年IEEE国际数据挖掘研讨会（ICDMW），IEEE，第33-42页。 2017年importhdbscanfromsklearn.datasetsimportmake_blobsdata,_=make_blobs(1000)clusterer=hdbscan.HDBSCAN(min_cluster_size=10)cluster_labels=clusterer.fit_predict(data)2
许可
hdbscan包是3条bsd许可的。享受。
欢迎加入QQ群-->： 979659372
