机器学习 - 聚类 DBSCAN算法(基于密度的空间聚类算法) （学习笔记）

Density-based methods可以解决不规则形状的聚类，同时也对噪声处理比较好。可以解决高维度

DBSCAN（Density-Based Spatial Clustering of Applications with Noise）基本原理

算法概述：

基于区域点密度筛选有效数据(core points)
基于有效数据向周边扩张，直到没有新点加入
特点：过滤噪音数据；不需要人为选择类别数量；数据密度不同时影响结果 (need to fiddle)

其核心思想是在数据空间中找到分散开的密集区域，简单来说就是画圈，其中要定义两个参数，一个是圈的最大半径，一个是一个圈里面最少应该容纳多少个点。但是对这两个参数的设置非常敏感。

执行步骤：

1.定义两个参数，一个是圈的最大半径，一个是圈内最少容纳多少个点（如4个），这样的点叫做core points，其余的点叫non core points。

2.随机选取一个core point，然后画圈向周围进行扩张，目标是把周围的core point加入到第一组聚类内。最后再把圈内的non core points全部加入，注意non core points不会向周围进行扩张。第一组聚类完成。

3.随机再选择未被分类的一个core point，继续重复以上步骤执行。

4.最后剩余没被分入任何类的non core points，则为噪声点(outliers)。

最后得到2个cluster，注意只有core points才像四周发散找同类，noo-core points黑色的点不再向四周发散找同类 。

改变其参数设置结果如下：

所以衍生出OPTICS（Ordering Points To Identify Clustering Structure）。是DBSCAN的扩展。通过优先对高密度（high density）进行搜索，然后根据高密度的特点设置参数，改善了DBSCAN的不足。