sklearn DBSCAN代码

DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法。下面是使用sklearn库实现DBSCAN的代码示例：

from sklearn.cluster import DBSCAN
import numpy as np

X = np.array([[1, 2], [2, 2], [2, 3], [8, 7], [8, 8], [25, 80]])
clustering = DBSCAN(eps=3, min_samples=2).fit(X)
labels = clustering.labels_

print(labels)

在这个示例中，我们首先导入了DBSCAN类和numpy库。然后，我们定义了一个数据集X，它包含了6个样本点，每个样本点有两个特征。接下来，我们使用DBSCAN算法对数据集进行聚类，设置eps参数为3，min_samples参数为2。最后，我们打印出每个样本点的类别标签。

输出结果为：[0, 0, 0, 1, 1, -1]。其中，标签为-1的样本点被认为是噪声点，标签为0和1的样本点被分到了不同的簇中。