5.机器学习——DBSCAN聚类算法

1.优缺点

优点：

（1）聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类；

（2）与K-MEANS比较起来，不需要输入要划分的聚类个数；

（3）聚类簇的形状没有偏倚；

（4）可以在需要时输入过滤噪声的参数。

缺点：

（1）当数据量增大时，要求较大的内存支持I/O消耗也很大；

（2）当空间聚类的密度不均匀、聚类间距差相差很大时，聚类质量较差，因为这种情况下参数MinPts和Eps选取困难。

（3）算法聚类效果依赖与距离公式选取，实际应用中常用欧式距离，对于高维数据，存在“维数灾难”。

参考

2.原理

DBSCAN参数

Eps——距离阈值，该聚类算法中把距离当做密度表达，距离如何计算也很重要。

MinPts——形成一个核心点所需要最小的直接可达点数，例如改参数设置为5，Eps设置为2，那么一个核心点（包含自己）形成的条件是该核心店距离阈值2以内至少有5个点。

待聚类点分为三类：

1. 直接可达点   核心点距离阈值内的点成为直接可达点
2. 可达点   属于不同核心点的直接的可达点通过核心点组成的路径（相邻核心点之间在各自距离阈值内）相连，那么这些直接可达点被称为可达点
3. 局外点    既不是核心点也不是直接可达点也不是可达点被称为局外点，也可叫做噪声点

3.聚类

同一组直接可达点与可达点形成一个类簇，局外点形成噪声点