DBScan与K-means聚类的比较

第1关：DBScan与Kmeans聚类的比较

任务描述
本关任务：编写一个DBScan与Kmeans聚类的小程序。

相关知识
为了完成本关任务，你需要掌握：
1.理解DBScan与Kmeans聚类的基础知识。
2.编写代码实现DBScan与Kmeans聚类。

聚类
俗话说：“物以类聚，人以群分”，在自然科学和社会科学中，存在着大量的分类问题。所谓类，通俗地说，就是指相似元素的集合。

而对于分类问题，我们通常不会提供x与y这样的映射关系，对于这种用机器自动找出其中规律并进行分类的问题，我们称为聚类。

聚类在实际的应用中亦是非常广泛的，如：市场细分（Market segmentation）、社交圈分析（social network analysis）、集群计算（organize computing clusters）、天体数据分析（astronomical data analysis）。

Kmeans 算法
K-means算法是最常用的一种聚类算法。算法的输入为一个样本集（或者称为点集），通过该算法可以将样本进行聚类，具有相似特征的样本聚为一类。

针对每个点&#