【数据挖掘】密度聚类DBSCAN讲解及实战应用（图文解释 附源码）

需要源码请点赞关注收藏后评论区留言私信~~~

基于密度的聚类

基于划分和聚类和基于层次的聚类往往只能发现凸型的聚类簇，为了更好的发现任意形状的聚类簇，提出了基于密度的聚类算法

算法原理

基于密度的聚类算法的主要思想是：只要邻近区域的密度（对象或数据点的数目）超过某个阈值 ，就把它加到与之相近的聚类中。也就是说，对给定类中的每个数据点，在一个给定范围的区域中必须至少包含某个数目的点

基于密度的聚类算法代表算法有：DBSCAN算法、OPTICS算法及DENCLUE算法等

DBSCAN算法涉及2个参数5个定义

2个参数:

Eps: 邻域最大半径

MinPts: 在 Eps 邻域中的最少点数

五个定义如下图所示

 定义1（Eps邻域）  给定一个对象 p ，p 的Eps 邻域 NEps（p）定义为以  p 为核心，以Eps为半径的d 维超球体区域，即： 其中，D为d维实空间上的数据集， dist ( p, q)表示D中的2个对象p和q之间的距离。