密度聚类和层次聚类

密度聚类

K-Means算法、K-Means++ 算法和Mean Shift 算法都是基于距离的聚类算法，基于距离的聚类算法的聚类结果都是球状的簇
当数据集中的聚类结果是非球状结构是，基于距离的聚类效果并不好

基于密度的聚类算法能够很好的处理非球状结构的数据，与基于距离的聚类算法不同的是，基于密度的聚类算法可以发现任意形状的簇类。

在基于密度的聚类算法中，通过在数据集中寻找别低密度区域分离的高密度区域，将分离出来的高密度区域作为一个独立的类别。

密度聚类算法假设聚类结构能通过样本分布的紧密程度确定。通常情形下，密度聚类算法从样本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。

DBSCAN是一种典型的基于密度的聚类算法。，它基于一组“邻域参数(ε,MinPts)来刻画样本分布的紧密程度。
给定数据集 D = { x 1 , x 2 … … x m } D=\{x_1,x_2……x_m\} D={ x1​,x2​……xm​},定义下面几个概念：

1）ε邻域：对$x_j\in D$,其ε邻域包含数据集D中与$x_j$的距离不大于ε的样本，即
N ε ( x j ) = { x i ∈ D ∣ d i s t ( x i , x j ) ≤ ε } N_ε(x_j)=\{x_i∈D|dist(x_i,x_j)≤ε\} Nε​(xj​)={ xi​∈D∣dist(xi​,xj​)≤ε}
2) 核心对象：若$x_j$的ε邻域至少包含MinPts个样本，即$|N_{\epsilon }(x_j)|\ge MinPts$,则$x_j$是一个核心对象
3）边界对象：若$x_j$的ε邻域内的样本个数少于MinPts，但是$x_j$落在其他核心对象的ε邻域内，则 x j x_j