DBSCA聚类算法及python代码实现

DBSCA聚类算法原理

    DBSCA（Density-Based Spatial Clustering of Application with Noise）属于密度聚类（基于密度的聚类，density-based clustering）。密度聚类算法通常假设聚类结构能够通过样本分布的紧密程度确定。通常情况下，密度聚类算法从样本面密度的角度来考察样本之间的可连接性，并基于可连接样本不断扩展聚类簇以获得最终的聚类结果。

     DBSCA基于一组邻域（neighborhood）的参数（）来刻画样本分布的紧密程度。给定数据集,  定义下面几个概念：

• 邻域：对,其邻域为样本集中与的距离不大于的样本集合；
• 核心对象（core object）：若的邻域至少包含个样本，则为一个核心对象；
• 密度直达（directly density-reachable）：若