5.機器學習——DBSCAN聚類算法

1.優缺點

優勢：

（1）聚類速度快且可以有效處理噪聲點和發現任意形狀的空間聚類；

（2）與K-MEANS比較起來，不須要輸入要劃分的聚類個數；

（3）聚類簇的形狀沒有偏倚；

（4）能夠在須要時輸入過濾噪聲的參數。

缺點：

（1）當數據量增大時，要求較大的內存支持I/O消耗也很大；

（2）當空間聚類的密度不均勻、聚類間距差相差很大時，聚類質量較差，由於這種狀況下參數MinPts和Eps選取困難。

（3）算法聚類效果依賴與距離公式選取，實際應用中經常使用歐式距離，對於高維數據，存在「維數災難」。

參考

2.原理

DBSCAN參數

Eps——距離閾值，該聚類算法中把距離當作密度表達，距離如何計算也很重要。

MinPts——造成一個核心點所須要最小的直接可達點數，例如改參數設置爲5，Eps設置爲2，那麼一個核心點（包含本身）造成的條件是該核心店距離閾值2之內至少有5個點。

待聚類點分爲三類：

1. 直接可達點   核心點距離閾值內的點成爲直接可達點
2. 可達點   屬於不一樣核心點的直接的可達點經過核心點組成的路徑（相鄰核心點之間在各自距離閾值內）相連，那麼這些直接可達點被稱爲可達點
3. 局外點    既不是核心點也不是直接可達點也不是可達點被稱爲局外點，也可叫作噪聲點

3.聚類

同一組直接可達點與可達點造成一個類簇，局外點造成噪聲點