KMeans+DBSCAN小试

这是我的第一篇文章，同时也记录着我在读研时候的点点滴滴，从12月17日开始~

KMeans+DBSCAN算法

1. Kmeans

   KMeans算法是一种聚类算法，而聚类问题在机器学习中主要是是一类无监督问题：简单理解是手中无标签，我们要去分出标签。这类问题的难点是：如何去评估，也就是怎么来评估我们算法的好坏。如何调参？也就是到底有多少个聚类中心点。
   KMeans最大的问题就是一个先验知识，这个先验知识是让我们知道如何对Kmeans要分出来的区域进行一个判断。

2. DBSCAN

   DBSCAN同样是一类聚类算法，其算法要点：阈值+核心对象+密度可达（包含直接密度可达）+边界点，理解了上述的要点，这个算法根本无难点。

KMeans+DBSCAN DemoTime

• demo

  我这里选用的工具是Jupyter+Python3.6的环境，上述的两类算法是非常简单的，主要是如何去实现这类算法：

#pandas提供了大量能使我们快速便捷地处理数据的函数的方法，对入门小白具体用法参见廖雪峰python
import pandas as pd
beer = pd.read_csv('D:/WorkData/Jupyter/KMeans-DBSCAN/data.txt',sep=' ') 
beer.head(3)