几种聚类算法原理简述：kmeans(以及++)，DBSCAN，层次聚类

kmeans和kmeans++

参数：k（聚类个数）

1. 随机选取K个中心点。(KMEANS++会在选取一个中心点后更倾向于去选择离选定中心点更远的)
2. 计算其他点离哪个中心点更近，就算做哪一簇。
3. 计算每个新簇的新中心点（取平均）。
4. 重新调整除中心点外的归属情况。
5. 直到每次分簇情况相同或者中心点收敛。

DBSCAN

参数：MINPTS，r

• 某个点要成为中心点，他需要有多少个在以这个点为圆心，r为半径的圆内。

1. 随机选一个点。
2. 若点满足上述要求，可以作为中心点，标记。若不满足，标记为噪声点。
3. 对中心点邻域（上述中心点为圆心的圆）的任何点，若也满足成为中心点的点，也标记，加入中心点邻域内。
4. 直到所有的点都被标记。

层次聚类

参数：簇的个数K

• 把数据集中的每个数据看作一个簇。
• 每次找到距离相近的两个簇合并为一个。
• 直到合并数量达到参数K。