今天给大家介绍另外一种聚类算法，也是我们日常使用频率非常高的一种聚类方法——基于密度的聚类算法。
基于密度的聚类算法是 通过计算样本的紧密程度来实现对样本类别的划分，在样本空间中聚集密度大的就会划分到一个类别中，理论上能够找出任何形状的聚类。
密度聚类并不需要事先设定聚类簇的数量，算法会根据数据的密度分布情况自行决定聚类簇的个数，同时，还能够有效识别明显的噪声点（离群点）。
DBSCAN是一种非常经典的基于密度的聚类算法， DBSCAN算法可以找到样本点的全部密集区域，并把这些密集区域当做一个一个的聚类簇，今天我们就来一起盘一盘这个算法。
在具体学习DBSCAN算法原理前，我们先来了解一些算法相关的基本概念：
一、DBSCAN算法相关基本概念
1、关于密度的核心思想
DBSCAN通过计算样本间的密度，找到样本的全部聚集区域，并把这些聚集区域作为最终的聚类簇结果。各别的离群点并不会对最终结果产生影响（如图中紫色点）。
2、算法的两个核心参数
（1）邻域半径eps
DBSCAN会以各数据点为圆心心&#x
Original: https://blog.csdn.net/zy_dreamer/article/details/125707539
Author: 白话机器学习
Title: 详解基于密度的聚类算法——DBSCAN
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/550970/
转载文章受原作者版权保护。转载请注明原作者出处！