【机器学习】密度聚类算法之HDBSCAN

链接

• 前导篇：【机器学习】聚类算法之密度聚类(DBSCAN)
• 前导篇：【机器学习】密度聚类算法之OPTICS
• 参考链接：https://hdbscan.readthedocs.io/en/latest/how_hdbscan_works.html
• HDBSCAN API 使用参考链接：https://hdbscan.readthedocs.io/en/latest/api.html

一、概述

• 先看一下HDBSCAN的具体定义：HDBSCAN – Hierarchical Density-Based Spatial Clustering of Applications with Noise. Performs DBSCAN over varying epsilon values and integrates the result to find a clustering that gives the best stability over epsilon. This allows HDBSCAN to find clusters of varying densities (unlike DBSCAN), and be more robust to parameter selection.
• 可以知道是DBSCAN算法与基于层次聚类算法结合而来的，其实HDBSCAN算法是对OPTICS算法的一种改进。
  
  
• HDBSCAN算法的具体过程分为以下几步
  • 空间变换
  • 构建最小生成树
  • 构建聚类层次结构(聚类树)
  • 压缩聚类树
  • 提取簇

二、空间变换

• 核心距离：我们将样本与第k个最近邻样本点的距离称为核心距离，并表示为$cor{e}_k(x)$：
  $$cor{e}_k(x)=d(x,N^k(x))$$
• 互达距离:两个样本点的互达距离定义为： d m r e a c h − k ( a , b ) = m a x { c o r e k ( a ) , c o r e k ( b ) , d ( a , b ) } d_{mreach-k} (a,b)=max \{core_k (a),core_k (b),d(a,b)\} dmreach−k​(a,b)=max{ corek​(a),corek​