对于密度聚类的关键掌握

主要是对说说关于密度聚类DBSCAN，这个算法比较新。

确实表现的效果也比较好，能够解决一些问题。

密度聚类，是假设聚类结构能够通过样本分布的紧密程度来确定，使用密度聚类才有效。

首先掌握该算法要知道几个关键的属性：

    邻域，核心对象，密度直达，密度可达，密度相连。

以及两条重要的性质：

    连接性：表示的是同一个簇中，两个对象是相连接的

    最大性：表示的是如果一个簇中的对象能够密度可达另一个对象，则这两个对象是在一个簇内的。

核心思想：

    如果一个核心对象，密度可达的所有样本组成的集合为满足连接性和最大性的簇（有点拗口，好好理解一下）。

如果是分类和回归，都有评价指标，比如分类的问题，我们可以用F1，召回率，准确率，精确率，ROC曲线，AUC等等。

回归问题的话，MSE，RMSE等等。但是聚类的评价指标怎么计算？

关于聚类的有效性指标，目的是同一簇的样本尽可能的相似，不同簇的样本尽可能的不同。

聚类性能的度量有两种：

    外部指标：聚类结果和某个参考模型进行比较获得的。

    内部指标：考察聚类结果而得到的，并不利用任何参考模型。

外部指标常用的有：Jaccrd系数，FM指数，以及ARI指数这几个常用的指标。

内部指标常用的有：DB指数。

其中在做聚类的时候，有个小小的注意点，聚类是基于距离的度量和计算的，对于连续型数值是没问题的，但是如果遇到类别型数据利用类别的数值直接计算是没有意义的。其中的处理参见，西瓜书中的VDM距离的计算。在聚类这一章是有的。VDM能能够处理非数值类属性，它刻画的是属性取值在各簇上的频率分布之间的差异。