如何在Python中用DBSCAN算法检测离群异常值-Python教程-PHP中文网

DBSCAN 的 labels_ 中标签为 -1 的点即为离群值；需先标准化数据再训练，eps 通过 k-distance 图拐点确定，min_samples 二维下通常设 4 或 5。

如何在python中用dbscan算法检测离群异常值

DBSCAN 的 `labels_` 里 -1 就是离群值

调用 DBSCAN 后，fit() 返回的模型对象有 labels_ 属性，它是一个 NumPy 数组，每个元素对应输入数据中同位置样本的聚类标签。其中：

标签为 0、1、2… 表示属于不同簇（正常点）
标签为 -1 的点，就是 DBSCAN 明确标记的噪声点 —— 这就是你要找的离群异常值

不需要额外计算或阈值判断，直接用布尔索引提取即可：

from sklearn.cluster import DBSCAN
import numpy as np
<p>X = np.array([[1, 2], [2, 2], [2, 3], [8, 7], [8, 8], [25, 80]])
db = DBSCAN(eps=3, min<em>samples=2).fit(X)
outliers = X[db.labels</em> == -1]</p>

注意：outliers 是原始坐标值，不是索引；若需保留原数据索引（比如来自 pandas.DataFrame），建议先用 reset_index(drop=False) 保留行号再传入。

必须先标准化，否则 `eps` 失效

DBSCAN 默认用欧氏距离，而各特征量纲不一致时（比如「年龄」和「年收入」），距离会被量纲大的特征主导，导致聚类完全失真。

不标准化就调 DBSCAN，eps 几乎无法合理设定
即使你手动调大 eps，也只在某一维度上“凑效”，其他维度仍被压制

正确做法是用 StandardScaler 或 MinMaxScaler 预处理：

from sklearn.preprocessing import StandardScaler
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)  # 不要漏掉 fit_transform
db = DBSCAN(eps=1.2, min_samples=5).fit(X_scaled)

若后续需还原离群点原始值，用 scaler.inverse_transform(outliers_scaled)；但注意：离群点本身可能拉偏均值/标准差，所以还原值仅作参考，不建议用于统计推断。

选 `eps` 别靠猜，用 k-distance 图找拐点

eps 设太小 → 大量点被判为 -1（过敏感）
eps 设太大 → 所有点挤成一簇，-1 消失（欠敏感）

Python Hardener

通过完整的安全审查、代码整洁重构、健壮的错误处理、正确的日志记录以及完整的文档字符串覆盖，强化 Python 脚本。

下载

可靠方法是画 k-distance 图（k = min_samples − 1）：

对每个点，算它到第 k 近邻的距离（跳过自己）
把所有距离从大到小排序，画折线图
拐点（knee）纵坐标 ≈ 合理 eps

from sklearn.neighbors import NearestNeighbors
min_samples = 5
k = min_samples - 1
nbrs = NearestNeighbors(n_neighbors=k+1).fit(X_scaled)
distances, indices = nbrs.kneighbors(X_scaled)
distances = np.sort(distances[:, k], axis=0)
plt.plot(distances[::-1])  # 降序排列后绘图更易见拐点
plt.ylabel('k-distance')
plt.xlabel('Points sorted by distance')
plt.show()

拐点不是数学极值点，而是“曲线明显变平缓”的位置，肉眼判断即可；多个拐点时，选第一个较明显的。