DBSCAN聚类算法（基于密度带有噪声）

比K-mean稳定

1、需要指定半径r、阈值

2、在某个点指定半径为r的邻域内（圆），包含的样本个数不少于阈值n，则当前的点是核心对象

（每个点的密度达到设定的阈值，则为核心对象）

3、直接密度可达：q0是核心对象，q1是q0核心对象邻域内的点，q0→q1直接密度可达

      密度可达（传播）：q0是核心对象，q1是q0核心对象邻域内的点，同时q1也是核心对象，

                                       q2是q1核心对象邻域内的点，q0→q2密度可达

     密度相连：q0→q2密度可达，则q0和q2是密度相连的

4、边界点：根据密度可达的传播性，最后一个点的领域内已经没有样本点落入了，

                        则最后这个点就是边界点

5、噪声点：不属于任何一个类簇的点，噪声点是任意核心点不可达。

 6、离群点的概念说明DBSCAN能用来做异常点检测

7、工作流程：

  输入数据值→指定半径→指定密度阈值MinPts