机器学习-聚类之DBSCAN原理

• 基本概念：（Density-Based Spatial Clustering of Applications with Noise）

• 核心对象：若某个点的密度达到算法设定的阈值则其为核心点。

• （即r 邻域内点的数量不小于minPts）

• 参数ϵ：领域内半径r

• 直接密度可达：若某点p在点q的r 邻域内，且q是核心点则p-q直接密度可达。

• 密度可达：若有一个点的序列q0、q1、…qk，对任意相临两点是直接密度可达的

• ，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”。

• 密度相连：若从某核心点p出发，点q和点k都是密度可达的

• ,则称点q和点k是密度相连的。

• 噪声点：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的

• 

• 参数选择：
  半径ϵ，可以根据K距离来设定：找突变点
  K距离：给定数据集P={p(i); i=0,1,…n}，计算点P(i)到集合D的子集S中所有点
  之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离。

• d1 = 0.1 d2 =0.11 d3= 0.12 d4=0.32 ... r即可设定为0.12

• MinPts：k-距离中k的值，一般取的小一些，多次尝试

• 优势：
  不需要指定簇个数
  擅长找到离群点（检测任务）
  可以发现任意形状的簇
  两个参数就够了

• 劣势：

• 高维数据有些困难（可以做降维）
  Sklearn中效率很慢（数据削减策略）
  参数难以选择（参数对结果的影响非常大）

•  
•