聚类 之 密度聚类的 直觉 （DBSCAN算法）

采用不同方式表征样本分布的紧密程度，可设计出不同的密度聚类算法。

 

这里说的是DBSCAN算法。

关于密度聚类，有两个概念需要明白，  什么是核心对象，什么是簇？

或者说，核心对象和簇都长什么样子？

 

我们先说概念，然后再看图。

 

核心对象是什么呢？

在算法开始前，我们会人为的定义两个超参数，一个超参数定义距离?，另一个定义样本个数MinPts。

那么，这两个是干什么用的呢？

如果说某一个样本A，它满足：周围有 MinPts个样本，且这些样本离A的距离在? 以内，那么就说该样本是 核心对象。

    那么A就是核心对象。（这图 惭愧。。。。）

 

那么，什么是簇呢？

簇是核心对象概念的运用与展开，额，好，别打我，我说人话。

我们看图解释这个东西。

 

看到红框了没， 那就是一个 簇，

看到黑点了没，那就是核心对象，

看到像句号一样的白圈了没，那就是生活在核心对象范围内的存在（上上个图打勾的），

 

ok，很棒，三连成功， 我们开始说一下算法的执行过程吧，

 

算法是怎么生成这一个簇的呢？

1.首先有很多样本，遍历所有样本，找出所有的核心对象（对每个样本看?距离内的样本个数是否满足要求）

2.从所有的核心对象中任选一个，记该核心对象为A，  然后A在其邻域内（?距离的圆内）圈中所有的样本，

这些样本可能也会是核心对象，若是核心对象，则递归进行：把这个核心对象邻域（?距离）内的样本也圈起来。之后还有核心对象的话就继续下去。（这个就是利用队列层次遍历来实现了。）

此时，当2步骤结束时，就像上图一样，用红框框出了一个簇（聚簇一次成功），簇中有核心样本 和    普通的、在核心样本邻域内的样本。

另外啊，当这个回合结束时，需要在全集中扣除此次被选中的所有样本，这个很明显啊，这个样本归C1簇了，  就不能再给其他簇作为基样本了。

 

3.当然啦，聚类很少只聚一次的，所以算法还要继续下去。

此时，算法从剩余的核心对象中再找出一个，然后继续走2的步骤，聚出一个个簇，知道没有核心对象为止。

 

ok，算法结束啦，是不是很简单～～～

 

ok，看图，结束。

 

88～～～