聚类--KM、DBACSN，层次聚类

1. 聚类

对于聚类，关键一步是要告诉计算机怎样计算两个数据点的相似性，不同的算法需要的相似性是不一样的。

 

1.1. DBSCAN

1.1.1. DBSCAN原理

    DBSCAN核心原理就是密度聚类的原理：寻找出稠密的地方，把它们当做一个簇，也就是密度相连的区域，我们把它当成一个簇。
​
    “DBSCAN如何发现簇？”初始，给定数据集D中的所有对象都被为‘unvisited’。DBSCAN随机选择一个未访问的对象p，标记p为‘visited’，并检查p的e-领域是否至少包含MinPts个对象，如果不是，则p被标记为噪声点，否则为p创建一个新的簇C,并且把p的e-领域中的所有对象都放到候选集合N中。DBSCAN迭代地把N中不属于其它簇的对象添加到C中。在此过程中，对于N中标记为‘unvisited’的对象p‘，DBSCAN把它标记为’visited‘并且检查它的e-领域。如果p’的e-领域至少有MinPts个对象，则p‘的e-领域中的对象都被添加到N中。DBSCAN继续添加对象到C，知道C不能再扩展。

1.1.2 粗糙伪代码

radius=半径
points_num=邻近点数 
p=随机质心点
c={}
"""
以下注意：每次计算一次簇就要把数据剔除掉，用剩下的进行密度聚类
"""
for 数据 in 数据集:
    num= 计算每个数据是否属于质心半径内数据数量
    if num<points_num:
        非质心
    else：
        计算簇内所有包含的数据