唐宇迪学习笔记20：聚类算法——DBSCAN

目录

一、DBSCAN聚类算法

(Density-Based Spatial Clustering of Applications with Noise)

二、DBSCAN工作流程

工作流程

参数选择

优缺点 

优点

缺点

三、DBSCAN可视化展示

---

一、DBSCAN聚类算法

(Density-Based Spatial Clustering of Applications with Noise)

• 核心对象：若某个点的密度达到算法设定的阈值则其为核心点。 (即 r 邻域内点的数量不小于 minPts)
• ε-邻域的距离阈值：设定的半径r
• 直接密度可达：若某点p在点q的 r 邻域内，且q是核心点则p-q直接密度可达。
• 密度可达：若有一个点的序列q0、q1、...qk，对任意qi-qi-1是直接密度可达的 ，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”         
• 密度相连：若从某核心点p出发，点q和点k都是密度可达的 ,则称点q和点k是密度相连的。
• 边界点：属于某一个类的非核心点,不能发展下线了
• 噪声点：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的

 A:核心对象 ；B,C:边界点  ；N:离群点 

DBSACN算法可以用于异常检测。

二、DBSCAN工作流程

工作流程

• 参数D：输入数据集
• 参数ε：指定半径
• MinPts：密度阈值

参数选择

• 半径ε：可以根据K距离来设定:找突变点。
• K距离：给定数据集P={p(i); i=0,1,...n}，计算点P(i)到集合D的子集S中所有点 之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离。
• MinPts： k-距离中k的值，一般取的小一些，多次尝试。

优缺点 

优点

• 不需要指定簇个数
• 可以发现任意形状的簇
• 擅长找到离群点(检测任务)
• 两个参数就够了

缺点

高维数据有些困难(可以做降维)

参数难以选择(参数对结果的影响非常大) Sklearn中效率很慢(数据削减策略)

三、DBSCAN可视化展示

可视化展示

                Visualizing K-Means Clustering

                 Visualizing DBSCAN Clustering

对初始值影响大