DBSCAN——非凸數據集聚類

K-Means 本質上是將樣本空間劃分成 k 個 Voronoi 區域，決定了劃分結果的 k 個簇一定是凸集，因而該方法對非凸區域的鑑別效果非常不好。  下面使用 DBSCAN 對上面非凸分佈的數據聚類。 本例中 DBSCAN 選擇的參數爲：eps=0.5, min_samples=5 即要求一個團簇內點（非邊界、非噪聲點）在半徑爲 eps 的範圍內至少有 min_sample 個點，邊界點至少

>>阅读原文<<