DBSCAN聚类算法

前言
密度聚类的优点: 能够找出 不规则形状的类簇，并且聚类时不需要事先知道类簇的个数。
DBSCAN是密度聚类的一种，比较典型。
了解算法之前，
我们需要了解两个重要的参数：
Eps （邻域半径）和 MinPts(核心对象阈值）

直接密度可达
密度可达
密度相连

DBSCAN算法认为：一个聚类可以由其中的任何核心对象唯一确定。DBSCAN 目的是找到密度相连对象的最大集合。

DBSCAN算法流程：

步骤1
扫描整个数据集，找到任意一个核心点，对该核心点进行扩充。扩充的方法是寻找从该核心点出发的所有密度相连的数据点（注意是密度相连）。遍历该核心点的 邻域内的所有核心点（因为边界点是无法扩充的），寻找与这些数据点密度相连的点，直到没有可以扩充的数据点为止。最后聚类成的簇的边界节点都是非核心数据点。
步骤2
重新扫描数据集（不包括之前寻找到的簇中的任何数据点），寻找没有被聚类的核心点，再重复上面的步骤，对该核心点进行扩充。
步骤3
直到数据集中没有新的核心点为止。数据集中没有包含在任何簇中的数据点就构成异常点。

优缺点：

优点：能够寻找非球类簇，能发现任意形状的聚簇，聚类结果几乎不依赖于结点遍历顺序，能够有效的发现噪声点。
缺点：调参的就是两个参数Eps 和MinPts，这两个值的组合对最终的聚类效果有很大的影响。DBSCAN使用了统一的eps值，在类中的数据分布密度不均匀时，eps较小时，密度小的cluster会被划分成多个性质相似的cluster；eps较大时，会使得距离较近且密度较大的cluster被合并成一个cluster。在高维数据时，因为维数灾难问题，eps的选取比较困难。