mirror of
https://github.com/Llewellynvdm/php-ml.git
synced 2025-01-09 16:36:34 +00:00
Rewrite DBSCAN (#185)
* Add testcases to DBSCAN * Fix DBSCAN implementation * Refactoring DBSCAN implementation * Fix coding style
This commit is contained in:
parent
5a691635d7
commit
9938cf2911
@ -4,12 +4,13 @@ declare(strict_types=1);
|
|||||||
|
|
||||||
namespace Phpml\Clustering;
|
namespace Phpml\Clustering;
|
||||||
|
|
||||||
use array_merge;
|
|
||||||
use Phpml\Math\Distance;
|
use Phpml\Math\Distance;
|
||||||
use Phpml\Math\Distance\Euclidean;
|
use Phpml\Math\Distance\Euclidean;
|
||||||
|
|
||||||
class DBSCAN implements Clusterer
|
class DBSCAN implements Clusterer
|
||||||
{
|
{
|
||||||
|
private const NOISE = -1;
|
||||||
|
|
||||||
/**
|
/**
|
||||||
* @var float
|
* @var float
|
||||||
*/
|
*/
|
||||||
@ -38,57 +39,82 @@ class DBSCAN implements Clusterer
|
|||||||
|
|
||||||
public function cluster(array $samples): array
|
public function cluster(array $samples): array
|
||||||
{
|
{
|
||||||
$clusters = [];
|
$labels = [];
|
||||||
$visited = [];
|
$n = 0;
|
||||||
|
|
||||||
foreach ($samples as $index => $sample) {
|
foreach ($samples as $index => $sample) {
|
||||||
if (isset($visited[$index])) {
|
if (isset($labels[$index])) {
|
||||||
continue;
|
continue;
|
||||||
}
|
}
|
||||||
|
|
||||||
$visited[$index] = true;
|
$neighborIndices = $this->getIndicesInRegion($sample, $samples);
|
||||||
|
|
||||||
$regionSamples = $this->getSamplesInRegion($sample, $samples);
|
if (count($neighborIndices) < $this->minSamples) {
|
||||||
if (count($regionSamples) >= $this->minSamples) {
|
$labels[$index] = self::NOISE;
|
||||||
$clusters[] = $this->expandCluster($regionSamples, $visited);
|
|
||||||
|
continue;
|
||||||
}
|
}
|
||||||
|
|
||||||
|
$labels[$index] = $n;
|
||||||
|
|
||||||
|
$this->expandCluster($samples, $neighborIndices, $labels, $n);
|
||||||
|
|
||||||
|
++$n;
|
||||||
|
}
|
||||||
|
|
||||||
|
return $this->groupByCluster($samples, $labels, $n);
|
||||||
|
}
|
||||||
|
|
||||||
|
private function expandCluster(array $samples, array $seeds, array &$labels, int $n): void
|
||||||
|
{
|
||||||
|
while (($index = array_pop($seeds)) !== null) {
|
||||||
|
if (isset($labels[$index])) {
|
||||||
|
if ($labels[$index] === self::NOISE) {
|
||||||
|
$labels[$index] = $n;
|
||||||
|
}
|
||||||
|
|
||||||
|
continue;
|
||||||
|
}
|
||||||
|
|
||||||
|
$labels[$index] = $n;
|
||||||
|
|
||||||
|
$sample = $samples[$index];
|
||||||
|
$neighborIndices = $this->getIndicesInRegion($sample, $samples);
|
||||||
|
|
||||||
|
if (count($neighborIndices) >= $this->minSamples) {
|
||||||
|
$seeds = array_unique(array_merge($seeds, $neighborIndices));
|
||||||
|
}
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
private function getIndicesInRegion(array $center, array $samples): array
|
||||||
|
{
|
||||||
|
$indices = [];
|
||||||
|
|
||||||
|
foreach ($samples as $index => $sample) {
|
||||||
|
if ($this->distanceMetric->distance($center, $sample) < $this->epsilon) {
|
||||||
|
$indices[] = $index;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
return $indices;
|
||||||
|
}
|
||||||
|
|
||||||
|
private function groupByCluster(array $samples, array $labels, int $n): array
|
||||||
|
{
|
||||||
|
$clusters = array_fill(0, $n, []);
|
||||||
|
|
||||||
|
foreach ($samples as $index => $sample) {
|
||||||
|
if ($labels[$index] !== self::NOISE) {
|
||||||
|
$clusters[$labels[$index]][$index] = $sample;
|
||||||
|
}
|
||||||
|
}
|
||||||
|
|
||||||
|
// Reindex (i.e. to 0, 1, 2, ...) integer indices for backword compatibility
|
||||||
|
foreach ($clusters as $index => $cluster) {
|
||||||
|
$clusters[$index] = array_merge($cluster, []);
|
||||||
}
|
}
|
||||||
|
|
||||||
return $clusters;
|
return $clusters;
|
||||||
}
|
}
|
||||||
|
|
||||||
private function getSamplesInRegion(array $localSample, array $samples): array
|
|
||||||
{
|
|
||||||
$region = [];
|
|
||||||
|
|
||||||
foreach ($samples as $index => $sample) {
|
|
||||||
if ($this->distanceMetric->distance($localSample, $sample) < $this->epsilon) {
|
|
||||||
$region[$index] = $sample;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
return $region;
|
|
||||||
}
|
|
||||||
|
|
||||||
private function expandCluster(array $samples, array &$visited): array
|
|
||||||
{
|
|
||||||
$cluster = [];
|
|
||||||
|
|
||||||
$clusterMerge = [[]];
|
|
||||||
foreach ($samples as $index => $sample) {
|
|
||||||
if (!isset($visited[$index])) {
|
|
||||||
$visited[$index] = true;
|
|
||||||
$regionSamples = $this->getSamplesInRegion($sample, $samples);
|
|
||||||
if (count($regionSamples) > $this->minSamples) {
|
|
||||||
$clusterMerge[] = $regionSamples;
|
|
||||||
}
|
|
||||||
}
|
|
||||||
|
|
||||||
$cluster[$index] = $sample;
|
|
||||||
}
|
|
||||||
|
|
||||||
$cluster = array_merge($cluster, ...$clusterMerge);
|
|
||||||
|
|
||||||
return $cluster;
|
|
||||||
}
|
|
||||||
}
|
}
|
||||||
|
@ -59,4 +59,38 @@ class DBSCANTest extends TestCase
|
|||||||
|
|
||||||
$this->assertEquals($clustered, $dbscan->cluster($samples));
|
$this->assertEquals($clustered, $dbscan->cluster($samples));
|
||||||
}
|
}
|
||||||
|
|
||||||
|
public function testClusterEpsilonSmall(): void
|
||||||
|
{
|
||||||
|
$samples = [[0], [1], [2]];
|
||||||
|
$clustered = [
|
||||||
|
];
|
||||||
|
|
||||||
|
$dbscan = new DBSCAN($epsilon = 0.5, $minSamples = 2);
|
||||||
|
|
||||||
|
$this->assertEquals($clustered, $dbscan->cluster($samples));
|
||||||
|
}
|
||||||
|
|
||||||
|
public function testClusterEpsilonBoundary(): void
|
||||||
|
{
|
||||||
|
$samples = [[0], [1], [2]];
|
||||||
|
$clustered = [
|
||||||
|
];
|
||||||
|
|
||||||
|
$dbscan = new DBSCAN($epsilon = 1.0, $minSamples = 2);
|
||||||
|
|
||||||
|
$this->assertEquals($clustered, $dbscan->cluster($samples));
|
||||||
|
}
|
||||||
|
|
||||||
|
public function testClusterEpsilonLarge(): void
|
||||||
|
{
|
||||||
|
$samples = [[0], [1], [2]];
|
||||||
|
$clustered = [
|
||||||
|
[[0], [1], [2]],
|
||||||
|
];
|
||||||
|
|
||||||
|
$dbscan = new DBSCAN($epsilon = 1.5, $minSamples = 2);
|
||||||
|
|
||||||
|
$this->assertEquals($clustered, $dbscan->cluster($samples));
|
||||||
|
}
|
||||||
}
|
}
|
||||||
|
Loading…
Reference in New Issue
Block a user