（一）通用方法、参数
1.通用方法
-
get_params([deep])：返回模型的参数。deep： 如果为True，则可以返回模型参数的子对象。
-
set_params(**params)：设置模型的参数。params：待设置的关键字参数。
-
fit(X[, y, sample_weight])：训练模型。X：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。y：样本的标签集合。它与X的每一行相对应。sample_weight：样本的权重。其形状为[n_samples,]，每个元素代表一个样本的权重。
-
predict(X, sample_weight)：返回每个样本所属的簇标记。X：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。sample_weight：样本的权重。其形状为[n_samples,]，每个元素代表一个样本的权重。
-
fit_predict(X[, y, sample_weight])：训练模型并执行聚类，返回每个样本所属的簇标记。X：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。y：样本的标签集合。它与X的每一行相对应。sample_weight：样本的权重。其形状为[n_samples,]，每个元素代表一个样本的权重。
-
transform(X)：将数据集X转换到cluster center space。在
cluster center space中，样本的维度就是它距离各个聚类中心的距离。X：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。
-
fit_transform(X[, y, sample_weight])：训练模型并执行聚类，将数据集X转换到cluster center space。X：样本集合。通常是一个numpy array，每行代表一个样本，每列代表一个特征。y：样本的标签集合。它与X的每一行相对应。sample_weight：样本的权重。其形状为[n_samples,]，每个元素代表一个样本的权重。
2.通用参数
-
n_jobs：一个正数，指定任务并形时指定的CPU数量。如果为
-1则使用所有可用的CPU。 -
verbose：一个正数。用于开启/关闭迭代中间输出日志功能。- 数值越大，则日志越详细。
- 数值为0或者
None，表示关闭日志输出。
-
max_iter：一个整数，指定最大迭代次数。如果为
None则为默认值（不同solver的默认值不同）。 -
tol：一个浮点数，指定了算法收敛的阈值。 -
random_state：一个整数或者一个RandomState实例，或者None。- 如果为整数，则它指定了随机数生成器的种子。
- 如果为
RandomState实例，则指定了随机数生成器。 - 如果为
None，则使用默认的随机数生成器。
一、KMeans
二、DBSCAN
class sklearn.cluster.DBSCAN(eps=0.5, min_samples=5, metric='euclidean', metric_params=None, algorithm='auto', leaf_size=30, p=None, n_jobs=None)
1.参数
-
eps：$epsilon$参数，用于确定邻域大小。 -
min_samples：$MinPts$参数，用于判断核心对象。 -
metric：一个字符串或者可调用对象，用于计算距离。如果是字符串，则必须是
metrics.pairwise.calculate_distance中指定的。 -
metric_params：一个字典，当metric为可调用对象时，为metric提供关键字参数。 -
algorithm：一个字符串，用于计算两点间距离并找出最近邻的点。可以为：'auto'：由算法自动选取合适的算法。'ball_tree'：用ball树来搜索。'kd_tree'：用kd树来搜索。'brute'：暴力搜索。
-
leaf_size：一个整数，用于指定当algorithm=ball_tree或者kd_tree时，树的叶结点大小。该参数会影响构建树、搜索最近邻的速度，同时影响存储树的内存。
-
p：一个浮点数，指定闵可夫斯基距离的$p$值。 -
n_jobs：指定并行度。
2.属性
-
core_sample_indices_：一个形状为[n_core_samples,]的数组，给出了核心样本在原始训练集中的位置。 -
components_：一个形状为[n_core_samples,n_features]的数组，给出了核心样本的一份拷贝 -
labels_：一个形状为[n_samples,]的数组，给出了每个样本所属的簇标记。对于噪音样本，其簇标记为 -1。
3.方法
fit(X[, y, sample_weight])：训练模型。fit_predict(X[, y, sample_weight])：训练模型并执行聚类，返回每个样本所属的簇标记。
4.考察$epsilon$参数的影响
-
ARI指数随着 $epsilon$的增长，先上升后保持平稳最后断崖下降。 断崖下降是因为产生的训练样本的间距比较小，最远的两个样本点之间的距离不超过 30。当$epsilon$过大时，所有的点都在一个邻域中。
-
核心样本数量随着$epsilon$的增长而上升。这是因为随着$epsilon$的增长，样本点的邻域在扩展，则样本点邻域内的样本会更多，这就产生了更多满足条件的核心样本点。但是样本集中的样本数量有限，因此核心样本点数量的增长到一定数目后稳定。
5.考察$MinPts$参数的影响
-
ARI指数随着$MinPts$的增长，平稳的下降。
-
核心样本数量随着$MinPts$的增长基本上线性下降。这是因为随着$MinPts$的增长，样本点的邻域中必须包含更多的样本才能使它成为一个核心样本点。因此产生的核心样本点越来越少。
