DBSCAN聚类（1）

最近项目中用到了DBSCAN聚类算法，对该算法的参数和使用进行了相应了解并以此记录

调用：

from sklearn.cluster import DBSCAN

python源码附的基本原理：

简单来说该算法是一种基于密度的空间聚类算法，可将小于距离阈值的样本划分为同一簇，对包含相似密度集群的样本和具有噪声的数据有较好的效果。

参数选择：

eps:聚类的半径，默认为0.5.  此参数用于指定对选取点的多长距离的半径做聚类操作。选取大了会导致聚类的结果类数很多，选取小了会导致聚类的结果类数很少。实际选取需根据数据情况。

min_samples:最小样本数，默认为5.该参数表示以取样点设定半径范围内满足多少样本数为一聚类（包含取样点本身），一般都是从较小值开始尝试。

推荐一个算法可视化网站，对具体的实现过程进行了详细的动画讲解

Visualizing DBSCAN Clustering

其余参数详解：

metric：控制计算距离的度量方法，默认为欧氏距离，可选参数如l1距离、曼哈顿距离等，可根据实际情况进行选择

metric_params：距离度量函数的其他关键字参数（如所选度量函数需要时选择）

algorithm:计算距离的算法算法的选择，可选参数如下。算法区别主要在于高低维数据的使用场景，默认auto可自动选择。

leaf_size:如果使用BallTree或ckDTree算法时选择，用于指定叶子节点的大小，默认为30

p：用于使用曼哈顿距离时指定p值，默认为2（即欧几里得距离）

n_jobs:表示并行的工作数，默认为1，为在主流程下，可设置为-1，表示所有的processors可用

实际使用中需根据使用需求合理的设置相关参数，并进行相关参数的调优。

算法评估算法可分为类间评估和类外评估 ，区别在于是否能够得到数据对应的标签