机器学习7 DBSCAN和 KMeans优势比较

1，DBSAN优势

KMeans需要事先给出K，
DBSCAN不用，但是要事先给半径和圈内最小点个数 eps 和 min_points_

——————————————————————————————————————
DBSCAN可以发现任意形状的簇（最大优势）
可以找出异常点
异常点对聚类结果影响不大（KMeans影响很大）
——————————————————————————————————————

2，什么时候适合DBSCAN

数据集是 稠密的更适合，
噪声点多的话，建议用DBSCAN

运用的时候可以两个都用，在对比说明为什么选这个算法

3，DBSCAN劣势

样本集密度不均匀，聚类间距相差很大不适合

调参比KMeans复杂一点点