2018.11.28——DBSCAN用于聚类、异常点检测

 

一.简介（类似于传销，用某个数据q去发展下线p，p再去发展下线）

DBSCAN是聚类算法，优于kmeans，首选DBSCAN。

DBSCAN基于密度的、带有噪音的聚类。

二.算法需要记住的概念

①相关概念：核心点

数据q为圆心，r（超参）为半径画圆，圆内数据多余m个（超参），那么数据q为核心点。如下图：

②相关概念：直接密度可达；密度可达

======================密度可达=================

三.算法参数

参数：半径，半径内点的个数。不需要设置kmeans中的k值，自动聚成簇。到底聚成多少堆，由算法实际聚出来的。

半径r的经验值是：突变点，点q到所有点的距离d1、d2、d3、……dn，从小到大进行排序，突然d4变的很大，d3就作为半径。