【機器學習】聚類算法之密度聚類(DBSCAN)

一、概述 一般基於距離的聚類算法(如K-Means)的聚類結果是球狀的簇，當數據集中的聚類結果是非球狀結構時，基於距離的聚類算法的聚類效果並不好。 與基於距離的聚類算法不同的是，基於密度的聚類算法可以發現任意形狀的聚類。 在基於密度的聚類算法中，通過在數據集中尋找被低密度區域分離的高密度區域，將分離出的高密度區域作爲一個獨立的類別。 DBSCAN（Density-Based Spatial Clu

>>阅读原文<<