在sklear中如何调用dbscan进行聚类

clustering = DBSCAN(xxx).fit()  
# 如果想知道聚类的结果，需要clustering.labels_

clustering = DBSCAN(xxx).fit_predict()
# 该函数可以直接知道聚类的结果

clustering.get_params()是得到所有的参数

DBSCAN()算法有很多的参数：

class sklearn.cluster.DBSCAN(eps=0.5, *, min_samples=5, metric='euclidean', metric_params=None, algorithm='auto', leaf_size=30, p=None, n_jobs=None)[source]

参数详述：
eps: 浮点型，邻域，可选，默认值是0.5

min_samples：整数，如果一个数据点的eps范围内有至少min_samples个数据点，则该数据点就是核心数据点

metrics: 字符串，默认是"euclidean"，用于计算数据点之间的距离。有很多计算距离的衡量指标，比如欧式距离，余弦距离等。
 
metric_params： 字典，默认是None
 
algorithm: 算法，有{‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}几个选项, 默认是’auto’
 
leaf_size: 整数,默认值是30，传递给球树，影响速度，内存，根据情况自己选择
 
p: 浮点型，默认是None，明氏距离的幂次，用于计算距离。
 
n_jobs: 整数，默认是None，cpu并行数。