python如何使用密度峰值聚类算法，请举例说明

密度峰值聚类算法（DBSCAN）是一种基于密度的聚类算法，它可以自动识别数据中的噪声和离群点，并将数据点分为不同的簇。Python中可以使用scikit-learn库中的DBSCAN类来实现该算法。以下是一个简单的例子：

from sklearn.cluster import DBSCAN
import numpy as np

# 生成一些随机数据
X = np.random.randn(100, 2)

# 创建DBSCAN对象并拟合数据
dbscan = DBSCAN(eps=0.5, min_samples=5)
dbscan.fit(X)

# 打印簇标签
print(dbscan.labels_)

在上面的例子中，我们生成了一个包含100个数据点的随机数据集，并使用DBSCAN算法将其聚类。DBSCAN的两个主要参数是eps和min_samples，它们分别控制簇的密度和最小簇大小。在这个例子中，我们将eps设置为0.5，min_samples设置为5。最后，我们打印出每个数据点所属的簇标签。