5.機器學習——DBSCAN聚類算法

1.優缺點

優點：

（1）聚類速度快且能夠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，不需要輸入要划分的聚類個數；

（3）聚類簇的形狀沒有偏倚；

（4）可以在需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，因為這種情況下參數MinPts和Eps選取困難。

（3）算法聚類效果依賴與距離公式選取，實際應用中常用歐式距離，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做密度表達，距離如何計算也很重要。

MinPts——形成一個核心點所需要最小的直接可達點數，例如改參數設置為5，Eps設置為2，那么一個核心點（包含自己）形成的條件是該核心店距離閾值2以內至少有5個點。

待聚類點分為三類：

1. 直接可達點   核心點距離閾值內的點成為直接可達點
2. 可達點   屬於不同核心點的直接的可達點通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，那么這些直接可達點被稱為可達點
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為局外點，也可叫做噪聲點

3.聚類

同一組直接可達點與可達點形成一個類簇，局外點形成噪聲點