目录
- 1、DBSCAN算法介绍
- 4、DBSCAN 的参数选择
- 5、Scikit-learn中的DBSCAN的使用
- 核心参数:
- 属性:
1、DBSCAN算法介绍
下图中,左边的图形可以使用K-Means算法进行聚类,右边两个有交叉部分【噪音】,故需要使用密度聚类(DBSCAN)算法
K-Means和层次聚类算法,是基于对象之间的距离进行聚类,这样的方法只能发现球状的簇,【密度聚类】只要临近区域的密度,对象或数据点的数目超过某个阈值就继续聚类,也就是说它会继续搜索自己附近的点或者簇,将符合阈值的合并在一起,这样【密度聚类方法】就可以用于过滤噪声,孤立点数据,发现任意形状的簇。
- 密度
- 邻域
- 核心点
- 边界点
- 噪声点</