聚类算法的分类

聚类算法通常可以分为两大类: 基于密度的聚类算法和基于划分的聚类算法。

基于密度的聚类算法:

• DBSCAN: 基于密度的聚类算法。它可以找到任意形状的聚类，但是需要指定两个超参数：半径 eps 和最少样本数 minPts。
• OPTICS: 一种改进的 DBSCAN 算法，它可以输出数据对象的密度可达性图，从而方便我们选择合适的 eps 值。

基于划分的聚类算法:

• K-Means: 最常用的基于划分的聚类算法。它通过不断地重新划分数据对象来找到聚类中心。它需要指定聚类的数目 k。
• Hierarchical Clustering: 层次聚类算法。它可以将数据对象通过层层划分的方式形成树状层次结构。它可以通过指定聚类的数目 k 来控制聚类的数目，也可以通过画 dendrogram (树状图) 来找到合适的聚类数目。