DBSCAN算法

k-means在非凸数据集，不均衡数据集，异向数据集上的表现不好。(可看k-means算法)，但BDSCAN算法很擅长处理这些数据集。

BDSCAN效果图1

k-means算法效果图1

BDSCAN效果图2

k-means算法效果图2

可以看到在这些数据集上DBSCAN效果比k-means好。

原理：
1.随机选择一个样本点开始，在半径r内如果有大于m个的其他样本，那么继续以这些样本为中心蔓延。
2.如果某样本半径r以内存在小于m个其他样本点，那么当前样本停止蔓延。
3.如果所有样本都停止蔓延，则完成一个聚类。如果还存在其他样本点没有归类，则选择一个没有归类的样本点重复步骤1。最终完成所有样本点的归类。
4.这里存在两个参数，r和m，如果r太小，则可能细分出太多类别；如果r太大，则会把属于不同类的点囊括进同类簇，造成错误。m太小，也容易把不同类的点囊括进同类簇；m太大，则会抛弃掉某些点，如“BDSCAN效果图2”最左边一列，因为只有一个点，而m为2，所以这些点都被抛弃了。

代码

from sklearn.cluster import DBSCAN
 
db = DBSCAN(eps=10, min_samples=2).fit(X)
 
labels = db.labels_