人工智能_机器学习085_DBSCAN算法介绍_具有噪声基于密度的聚类_基于密度的空间聚类方法---人工智能工作笔记0125

人工智能_机器学习085_DBSCAN算法介绍_具有噪声基于密度的聚类_基于密度的空间聚类方法---人工智能工作笔记0125_第1张图片

然后我们再来看一种聚类算法,叫做DBSCAN算法

人工智能_机器学习085_DBSCAN算法介绍_具有噪声基于密度的聚类_基于密度的空间聚类方法---人工智能工作笔记0125_第2张图片

可以看到,他和KMeans的原理完全不一样,

这个是基于密度的聚类方法,就是在一堆数据中,把密度最大的数据,归为一类

这里的划分为簇,其实就是 划分类别的意思  这个簇,就跟鱼群一样,一个鱼群中肯定是同一种鱼类.

人工智能_机器学习085_DBSCAN算法介绍_具有噪声基于密度的聚类_基于密度的空间聚类方法---人工智能工作笔记0125_第3张图片

然后我们再来看,DBSCAN算法的基本原理,可以看到

这里A点是核心点,我们以这个核心点进行画圆,在圆圈中的点,全部会被划分为一类对吧,然后我们再看

N这个点,这个点不在圆圈内,这个N点就是一个离群点

然后B,C这两个点,可以看到黄色的是边界点,在边界上,但是B,C这两个边界点也属于A这个圆划分的类

人工智能_机器学习085_DBSCAN算法介绍_具有噪声基于密度的聚类_基于密度的空间聚类方法---人工智能工作笔记0125_第4张图片

之前我们在做KMeans聚类的时候,我们说KMeans可以进行异常值检测对吧,

对异常值不友好,有个缺点就是,但是可以看到 在DBSCAN算法中,就自然就考虑到了异常值点对吧

可以看到上图中的蓝色的点.就算

你可能感兴趣的:(聚类支持向量机&爬虫,机器学习,人工智能,DBSCAN算法,基于密度空间聚类,具有噪声基于密度聚类)