[Scikit-Learn] 17. DBSCAN 클러스터링 해보기 (feat. DBSCAN)

---

 

Scikit-Learn(sklearn)에서는 DBSCAN 클래스를 이용하여 DBSCAN 클러스터링을 수행할 수 있다. 이번 포스팅에서는 Scikit-Learn(sklearn)에서 제공하는 DBSCAN의 사용법을 알아보려고 한다.

 

DBSCAN에 대한 개념은 아래 포스팅을 참고하면 된다.

 

30. DBSCAN에 대해서 알아보자 with Python

30. DBSCAN에 대해서 알아보자 with Python

---

   DBSCAN 사용법

코드를 통해 DBSCAN 사용법을 알아보자. 먼저 DBSCAN을 적용할 데이터를 아래에 첨부해 두었으니 다운을 받고 시작하자.

 

dbscan_test.xlsx

0.01MB

 

먼저 데이터 분포를 살펴보자. 여기서는 지출 점수(Spending_Score)와 연 수입(Annual_Income)만 고려한다.

 

import pandas as pd
import matplotlib.pyplot as plt

from sklearn.cluster import DBSCAN

df = pd.read_excel('../../machine_learning/dbscan_test.xlsx')
fig = plt.figure()
fig.set_facecolor('white')
ax = fig.add_subplot()
ax.scatter(df['Spending_Score'], df['Annual_Income'])
plt.show()

 

이제 DBSCAN을 적용해보자. DBSCAN은 기본적으로 반경 eps와 반경 내에 들어가야 하는 최소 샘플 수 min_sampes를 인자로 받는다.

 

DBSCAN(eps = 0.5, min_samples = 5)

 

그리고 fit 메서드에 데이터를 넘겨줘서 호출하면 클러스터링을 수행한다.

 

X = df[['Spending_Score', 'Annual_Income']].values
cluster = DBSCAN(eps=10, min_samples=5).fit(X)

 

먼저 핵심 데이터(Core Point)와 비 핵심 데이터(Non-core Point)의 분포는 어떤지 살펴보자. 핵심 데이터의 인덱스는 core_sample_indices_ 필드에 저장되어 있다. 따라서 전체 인덱스에서 핵심 데이터에 대응하는 인덱스는 1 아니면 0으로 나눈 뒤 시각화해보자.

 

core_samples_indices = cluster.core_sample_indices_
is_core_samples = [1 if i in core_samples_indices else 0 for i in range(X.shape[0]) ]

fig = plt.figure()
fig.set_facecolor('white')
ax = fig.add_subplot()
ax.scatter(df['Spending_Score'], df['Annual_Income'], c=is_core_samples)
plt.show()

 

핵심 데이터(노란색)와 비 핵심 데이터(보라색)의 분포

 

이제 DBSCAN을 통한 클러스터링 결과를 시각화해보자. 클러스터링 결과는 labels_에 저장되어 있다.

 

cluster_label = cluster.labels_ ## 클러스터링 결과

fig = plt.figure()
fig.set_facecolor('white')
ax = fig.add_subplot()
ax.scatter(df['Spending_Score'], df['Annual_Income'], c=cluster_label)
plt.show()

 

 

 

 

위 그림을 보면 4개의 클러스터가 생성된 것을 알 수 있다.

---