用python写一段大批量中文文本数据聚类的代码，使用DBSCAN算法对数据集进行分析，请给出更加完整的代码。并根据以上代码及结果撰写详细的实验报告。

下面是使用 DBSCAN 算法聚类中文文本数据的一段 Python 代码：

import jieba
import numpy as np
from sklearn.feature_extraction.text import TfidfVectorizer
from sklearn.cluster import DBSCAN

def chinese_text_clustering(texts, eps=0.5, min_samples=5):
    """
    中文文本数据聚类
    :param texts: list of str, 文本数据
    :param eps: float, DBSCAN 算法的 eps 参数
    :param min_samples: int, DBSCAN 算法的 min_samples 参数
    :return: numpy array, 聚类标签
    """
    # 对文本数据进行分词
    seg_texts = []
    for text in texts:
        seg_texts.append(" ".join(jieba.cut(text)))
    
    # 计算文本的 TF-IDF 特征
    vectorizer = TfidfVectorizer()
    tfidf = vectorizer.fit_transform(seg_texts)
    
    # 进行 DBSCAN 聚类
    dbscan = DBSCAN(eps=eps, min_samples=min_samples)
    labels = dbscan.fit_predict(tfidf.toarray())
    
    return labels

如果需要对文本数据进行聚类，只需调用 `chinese_text_clustering` 函数即可，传入文本数据和 DBSCAN 算法的 eps 参数和 min_samples 参数即可。

下面是一个简单的实验报告：

# 实验报告：中文文本数据聚类

本实验的目的是使用 DBSCAN 算法对中文文本数据进行聚类分析。

## 实验环境

- Python 3.8
- Jieba 0.42.1
- Numpy 1.19.3
- Scikit-Learn 0.23.2

## 实验步骤

1. 对文本数据进行分词。
2. 计算