实战案例——使用DBSCAN实现经纬度聚类

在我们日常应用密度聚类分析时，最常用的一类应用场景就是基于位置信息的聚类，它可以帮助我们找到哪些样本点（一般是经度、纬度）在地理空间维度上具有关联性。今天就为大家介绍一下如何使用DBSCAN算法实现经纬度聚类。本案例中，我们仍然使用sklearn库中封装好的DBSCAN聚类算法来实现，这个算法封装在sklearn.cluster包下。下面我们来看一下这个函数的具体用法函数常用的参数主要有4个：1、eps：即我们上一篇文章中所介绍的邻域半径，默认值为0.52、min_samples：对应算法中的MinPts，