期末報告 Clustering DBSCAN 姓名：林楷能
Outline Algorithm Introduction Code Review Live Demo(Using InAnalysis) Conclusion
Algorithm Introduction
DBSCAN Density-based spatial clustering of applications with noise 優點:不需要預先聲明聚類數量,過濾噪聲點 缺點:不擅於處理資料間過於密集的資料
Code Review
dbscan.py class sklearn.cluster.DBSCAN (eps=0.5, min_samples=5, metric=’euclidean’, metric_params=None, algorithm=’auto’, leaf_size=30, p=None, n_jobs=1)
dbscan.py
utils.py class Algorithm(enum.Enum): class AlgoUtils :
test_dbscan.py Happy Path Test : 不需要加predict
test_dbscan.py Sad Path Test : 不需要加predict
test_dbscan.py Sad Path Test : 不需要加predict
test_dbscan.py Sad Path Test : 不需要加predict
test_dbscan.py Testing result : 不需要加predict
Results Client_nolabel.data BILL_AMT1 BILL_AMT2
Live demo
Conclusion
Conclusion 學習資料探勘、機器學習的知識 利用project實作資料分析的方法
Reference sklearn.cluster.DBSCAN : http://scikit-learn.org/stable/index.html 聚類算法：DBScan算法 : https://read01.com/zh-tw/xg0ag7.html#.WlWHPKiWa6p CSCE 420 Communication Project –DBSCAN : https://www.youtube.com/watch?v=5E097ZLE9Sg