python大数据图解_DBSCAN密度聚类算法（理论+图解+python代码）

作者：风弦鹤CSDN

博客地址：

https://blog.csdn.net/huacha__/article/details/81094891

说明：本文经作者授权转载，禁止二次转载

本文主要内容：

1、前言

2、DBSCAN聚类算法

3、参数选择

4、DBSCAN算法迭代可视化展示

5、常用评估方法：轮廓系数

6、用Python实现DBSCAN聚类算法

一、前言

去年学聚类算法的R语言的时候，有层次聚类、系统聚类、K-means聚类、K中心聚类，最后呢，被DBSCAN聚类算法迷上了。

为什么呢，首先它可以发现任何形状的簇，其次我认为它的理论也是比较简单易懂的，今年在python这门语言上我打算好好研究DBSCAN。

下面贴上它的官方解释：

DBSCAN(Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法)是一种基于密度的空间聚类算法。

该算法将具有足够密度的区域划分为簇，并在具有噪声的空间数据库中发现任意形状的簇，它将簇定义为密度相连的点的最大集合。

二、DBSCAN聚类算法

文字描述不好懂，先看下面这个图：

上面这些点是分布