DBSCAN 密度聚类 Python实现

DBSCAN是一种利用样本“密度”信息进行聚类的算法，有两个超参数，一个是核心点的邻域半径，一个是核心点邻域内拥有的点的个数（包括自己）。

看了网上不少算法流程，大多说得模棱两可。。有的还是错的。。比如将同一个点分入到了两个不同的类，然后把这个两个类“结合”成一个。

我理解的原理就是：

①由邻域半径和点的个数，找到核心点的集合，以西瓜书为例，假设是[3,5,6,8,9,13,14,18,19,24,25,28,29]。

②从该点随机抽出一个点，比如8，找到8邻域内的所有点：[6,7,8,18,19]，与整个样本集合取交集，得到一个簇[6,7,8,18,19]。

③把8从核心点去掉，把该簇从整个样本去掉。找到8邻域内中的核心点，这里是[6,18,19]，再分别以6/18/19，重复以上过程。

④直到最后找到的点不是核心点。

是个递归的过程。

如图所示：从8出发，找到了[6,7,18,19]，7不是核心点，不管，加入簇并从整体样本剔除。再从6出发，找到了[8,19,18,23]，8,19,18，已经从整个样本剔除了，所以与整个样本的交集，就是23号，23号不是核心点，所以对于6的搜索完成了，再把23加入到簇并从整个样本剔除。再从18出发，找到了[6,8,12,19,20]，6,8,19,已经从整个样本剔除了，交集只有12、20，12和20,又不是核心点，所以对于18的搜索完成，12和20加入到簇，并从整个样本剔除。最后从19出发，找到[8,18,20,10]，与整个样本交集只有10，（虽然19也找到了20，但是20已经在簇里面了，而且没在整个样本，交集取不到），所以把10加入到簇。这样，一个簇就聚类完成。结果就是西瓜书的一个簇：