python - Python scikit-learn 中的 DBSCAN：将聚类点保存在数组中

Question

按照 Scikit Learning的 DBSCAN 聚类算法的示例演示，我试图将每个聚类类的 x、y 存储在一个数组中

import numpy as np
from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.preprocessing import StandardScaler
from pylab import *

# Generate sample data
centers = [[1, 1], [-1, -1], [1, -1]]
X, labels_true = make_blobs(n_samples=750, centers=centers, cluster_std=0.4, random_state=0)
X = StandardScaler().fit_transform(X) 

xx, yy = zip(*X)
scatter(xx,yy)
show()

db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples = db.core_sample_indices_
labels = db.labels_
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print n_clusters_
3

我试图通过 scikit-learn 理解 DBSCAN 的实现，但从这一点开始我遇到了麻烦。簇数为 3（n_clusters_），我希望将每个簇的 x、y 存储在一个数组中

Answer 1

第一个集群是X[labels == 0]等：

clusters = [X[labels == i] for i in xrange(n_clusters_)]

异常值是

outliers = X[labels == -1]

Answer 2

“每个集群”是什么意思？

在 DBSCAN 中，集群不像在 k-means 中那样表示为质心，因此除了其成员之外，没有明显的集群表示。您已经拥有集群成员的 x 和 y 位置，因为它们是输入数据。

所以我不确定问题是什么。