第八章（3） 聚类：DBSCAN和簇评估

1. 基于密度的聚类寻找被低密度区域分离的高密度区域
2. 传统的密度：基于中心的方法：数据集中特定点的密度通过对该点半径之内的点计数（包括本身）来估计，关键是确定半径；根据基于中心的密度进行点分类：
   1. 稠密区域内的点（核心点）：点的邻域由距离函数和指定半径决定；定义是该点的给定邻域内的点的个数>给定的阈值，则为核心点
   2. 稠密区域边缘上的点（边界点）：落在某个核心点的邻域内
   3. 稀疏区域中的点（噪声或背景点）：既非核心点也非边界点的任何点
3. DBSCAN算法：任意两个距离在指定半径内的核心点放在同一个簇中，任意和核心点足够靠近的边界点也放到与核心点相同的簇中（如果一个边界点靠近不同簇的核心，那需要解决平局问题）
   1. 选择DBSCAN的参数：
      1. 指定半径：点的k个最近邻的距离；对于某个k，计算所有点的第k-距离，递增排序，发现有一部分k-距离急剧上升，这就是合适的半径
      2. 合适的半径下的邻域内的点数即为个数阈值
   2. 变密度的簇：密度的变化会让参数的阈值选择出现问题，低的话，有些高密度的簇内的点变成单点簇
4. DBSCAN算法的优缺点：相对抗噪声，处理任意形状和大小的簇；问题是密度变化大，对于高维数据密度定义更困难，而且近邻计算需要计算所有点对邻近度时，算法开销大

1. 簇评估：聚类分析是非监督的，所以簇评估不是聚类分析普遍使用的，或称簇确认