期末報告 Clustering DBSCAN

Presentation on theme: "期末報告 Clustering DBSCAN"— Presentation transcript:

1 期末報告 Clustering DBSCAN
姓名：林楷能

2 Outline Algorithm Introduction Code Review Live Demo(Using InAnalysis)
Conclusion

3 Algorithm Introduction

4 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

5 Code Review

6 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)

7 dbscan.py

8 utils.py class Algorithm(enum.Enum): class AlgoUtils :

9 test_dbscan.py Happy Path Test : 不需要加predict

10 test_dbscan.py Sad Path Test : 不需要加predict

11 test_dbscan.py Sad Path Test : 不需要加predict

12 test_dbscan.py Sad Path Test : 不需要加predict

13 test_dbscan.py Testing result : 不需要加predict

14 Results Client_nolabel.data BILL_AMT1 BILL_AMT2

15 Live demo

16 Conclusion

17 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

18 Reference sklearn.cluster.DBSCAN : 聚類算法：DBScan算法 : CSCE 420 Communication Project –DBSCAN :