聚类分析|基于密度的聚类方法DBSCAN及其Python实现

0. 基于密度的聚类方法

之前介绍过基于划分的聚类算法，如k-means和k-medoids，也介绍过基于层次聚类的方法。这两种方法本质上都是基于距离的算法，只能发现类圆形的聚类。

基于密度的方法（Density-based Methods）是基于密度的，可以克服基于距离的算法只能发现“类圆形”聚类的缺点。
主要思想：只要在给定半径邻近区域的密度超过某个阈值，就把它添加到与之相近的簇类中去。
这样的方法可以用来过滤噪声数据，并且可以发现任意形状的聚类。
基于密度的方法中，代表算法有：

• DBSCAN算法
• OPTICS算法
• DENCLUE算法
  以下对DBSCAN（Density Based Spatial Clustering of Applications with Noise，DBSCAN）聚类算法进行介绍。

1. DBSCAN聚类算法的相关概念

DBSCAN是基于密度聚类中的经典算法，突出特色在于：

• 第一，利用小类的密度可达性（或称连通性），可发现任意形状的小类
• 第二，聚类同时可以发现数据中的噪声，也即离群点

DBSCAN聚类中有两个重要参数：

1. 邻域半径$\epsilon$；
2. 邻域半径$\epsilon$范围内包含的最少观测点个数，记为$minPts$。

基于这两个参数，DBSCAN聚类将样本观测点分成以下4类：

1. 核心点（核心样本）$P$：若任意样本观测点$O$的邻域半径$\epsilon$内的邻居个数不少于$minPts$，则称$O$为核心点，记作$P$
2. 核心点$P$的直接密度可达点$Q$：若任意样本观测点$Q$在核心点$P$的邻域半径$\epsilon$范围内，则称点$Q$为核心点$P$的直接密度可达点。也称从点$P$直接密度可达点$Q$
3. 核心点$P$的密度可达点$Q$：若存在一系列样本观测点 $O_1,O_2,\dots ,O_n$，且$O_{i+1}$