目录
(Density-Based Spatial Clustering of Applications with Noise)
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
对初始值影响大