无监督学习——聚类之DBSCAN密度聚类

一、介绍：

聚类的时候不需要预先指定簇的个数

最终的簇的个数不定

二、三种点：

核心点：在半径Eps内含有超过MinPts数目的点

边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内

噪音点：既不是核心点也不是边界点的点

三、算法流程：

1.将所有点标记为核心点、边界点或噪声点；

2.删除噪声点；

3.为距离在Eps之内的所有核心点之间赋予一条边；

4.每组连通的核心点形成一个簇；

5.将每个边界点指派到一个与之关联的核心点的簇中（哪一个核心点的半径范围之内）。

四、应用：

通过DBSCAN聚类，分析学生上网时间和上网时长的模式。

五、sklearn中DBSCAN的参数说明：

eps: 两个样本被看作邻居节点的最大距离

min_samples: 簇的样本数

metric：距离计算方式

github地址：

https://github.com/hanleirx/sklearn/tree/master/DBScan

发现很多语法都不会，看来还需要多看看文档啊