DBSCAN scikit-learn of Python：将聚类点保存在数组中

Question

遵循Scikit Learning的示例Demo of DBSCAN clustering algorithm我试图在数组中存储每个聚类类的x，y

import numpy as np
from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets.samples_generator import make_blobs
from sklearn.preprocessing import StandardScaler
from pylab import *

# Generate sample data
centers = [[1, 1], [-1, -1], [1, -1]]
X, labels_true = make_blobs(n_samples=750, centers=centers, cluster_std=0.4, random_state=0)
X = StandardScaler().fit_transform(X) 

xx, yy = zip(*X)
scatter(xx,yy)
show()

db = DBSCAN(eps=0.3, min_samples=10).fit(X)
core_samples = db.core_sample_indices_
labels = db.labels_
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
print n_clusters_
3

我试图通过scikit-learn了解DBSCAN的实现，但从这一点来说，我遇到了麻烦。集群的数量是3（n_clusters_），我希望将每个集群的x，y存储在一个数组中

Answer 1

第一个群集是X[labels == 0]等：

clusters = [X[labels == i] for i in xrange(n_clusters_)]

和异常值

outliers = X[labels == -1]

Answer 2

你是什么意思＆＃34;每个群组＆＃34;？

在DBSCAN中，聚类不像k-means那样表示为质心，因此除了其成员之外，没有明显的聚类表示。您已经拥有集群成员的x和y位置，因为它们是输入数据。

所以我不确定问题是什么。