单时间序列数组的DBSCAN与层次聚类实现及可视化问题

1. 单数组数据能否聚类？ #

完全可以。聚类算法支持一维数据，只是Scikit-learn的聚类API要求输入为二维数组格式（形状为(样本数量, 特征数量)），你的一维数组x需要转换成(10000, 1)的二维结构才能被算法正确识别。

2. 修正DBSCAN代码并实现层次聚类 #

以下是完整的可运行代码，包含数据预处理、DBSCAN聚类、层次聚类，以及结果可视化：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
import scipy.cluster.hierarchy as hac

# 生成数据
x = np.linspace(0, 500, 10000)
x = 1.5 * np.sin(x)
# 将一维数组转为二维格式 (样本数, 特征数)
X = x.reshape(-1, 1)
# 标准化数据（对DBSCAN这类基于距离的算法很重要）
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# ---------------------- DBSCAN聚类 ----------------------
# 调整eps参数，因为数据已标准化，eps值要对应缩放后的数据
dbscan = DBSCAN(eps=0.3, min_samples=5)
db_labels = dbscan.fit_predict(X_scaled)

# ---------------------- 层次聚类 ----------------------
# 构建层次聚类模型，使用ward方法（最小化类内方差）
linkage_matrix = hac.linkage(X_scaled, method='ward')
# 生成聚类标签（这里设定聚成3类，可根据需求调整）
hier_labels = hac.fcluster(linkage_matrix, t=3, criterion='maxclust')

# ---------------------- 可视化结果 ----------------------
plt.figure(figsize=(16, 8))

# 子图1：原始数据+DBSCAN聚类结果
plt.subplot(1, 2, 1)
# 绘制原始数据散点，用不同颜色区分聚类标签（-1代表噪声点）
unique_db_labels = np.unique(db_labels)
colors = plt.cm.get_cmap('viridis', len(unique_db_labels))
for label in unique_db_labels:
    mask = db_labels == label
    plt.scatter(x[mask], np.zeros_like(x[mask]), c=[colors(label)], label=f'Cluster {label}', s=5)
plt.title('DBSCAN Clustering Results on Original Data')
plt.xlabel('x value')
plt.legend()

# 子图2：原始数据+层次聚类结果
plt.subplot(1, 2, 2)
unique_hier_labels = np.unique(hier_labels)
colors_hier = plt.cm.get_cmap('plasma', len(unique_hier_labels))
for label in unique_hier_labels:
    mask = hier_labels == label
    plt.scatter(x[mask], np.zeros_like(x[mask]), c=[colors_hier(label)], label=f'Cluster {label}', s=5)
plt.title('Hierarchical Clustering Results on Original Data')
plt.xlabel('x value')
plt.legend()

# 绘制层次聚类树状图（可选，单独展示）
plt.figure(figsize=(12, 6))
hac.dendrogram(linkage_matrix, truncate_mode='lastp', p=10, show_leaf_counts=True)
plt.title('Hierarchical Clustering Dendrogram')
plt.xlabel('Sample Index')
plt.ylabel('Distance')

plt.tight_layout()
plt.show()

关键说明 #

• 输入格式转换：用x.reshape(-1, 1)将一维数组转为二维，这是解决你DBSCAN报错的核心原因——Scikit-learn不接受一维输入。
• 数据标准化：DBSCAN基于距离计算，标准化后数据的距离尺度更合理，避免因特征范围过大导致聚类结果偏差。
• 参数调整：
  • DBSCAN的eps和min_samples需要根据数据分布调整，标准化后eps通常取0.1-1之间的值；
  • 层次聚类的t参数（聚类数）可根据业务需求或树状图的距离阈值调整。
• 噪声点识别：DBSCAN中标签为-1的点是被识别的噪声点，层次聚类默认不会标记噪声，所有样本都会被分配到某个聚类中。

内容的提问来源于stack exchange，提问作者pro