基于R的聚类分析（DBSCAN，基于密度的聚类分析）

DBSCAN聚类分析（基于R语言）
在上一讲中，主要是给大家介绍了，K-means聚类，层次聚类这两种聚类方法是最为典型的两种聚类方法。K-means聚类基本原理是这样的，在n个样本点中，首先提前设定要聚类几类，比如说要聚成三类，那么在n个样本点中先随机选择三个点，最为初始点，将剩下的n-3个点按照距离的原则（所谓聚类原则就是哪个点距离它近，就将这个点分配给它），分别分配到这三个点。这样的话，就初步形成三大类点了。每一大类的中心值作为新的中心点，再重新安装距离的原则进行重新分配，不断重复，直至聚类中心稳定。而层次聚类呢，首先是求得所有样本点的两两相似性。在此基础上就可以形成层次关系，最终是由我们自己确定聚为几类，比如说，我们要聚成三类，那么就沿着层次结构图横着画一条线，线下刚好三类。
在这一讲当中，我们介绍一种新的聚类方法，叫DBSCAN（Density-Based Spatial Clustering of Applications with Noise）聚类法，也是非常经典的一个算法了。是基于密度的聚类算法，首先说为什么会有这种聚类算法，而且为什么是基于密度的。基于密度有啥好处。我们首先说，为什么需要这种聚类算法。我们通过代码来说明。首先我们先产生一个待聚类的样本点，并且利用R将其画出来，如下

#载入包
library(factoextra)
librar(ggplot2)