python kmeans聚类和DBSCAN实现模板

K-Means 聚类模板：

from sklearn.cluster import KMeans

# 构造数据
X = ...

# 构造模型
kmeans = KMeans(n_clusters=...)

# 训练模型
kmeans.fit(X)

# 预测聚类结果
y_pred = kmeans.predict(X)

其中，`n_clusters` 是需要设置的聚类数目，`y_pred` 是预测的聚类结果。

DBSCAN 聚类模板：

from sklearn.cluster import DBSCAN

# 构造数据
X = ...

# 构造模型
dbscan = DBSCAN(eps=..., min_samples=...)

# 训练模型
dbscan.fit(X)

# 预测聚类结果
y_pred = dbscan.labels_

其中，`eps` 是 DBSCAN 中的半径参数，`min_samples` 是 DBSCAN 中的最小样本数，`y_pred` 是预测的聚类结果。需要注意的是，DBSCAN 的预测结果中，聚类为 `-1` 的样本表示为噪声点。