DBSCAN与两种常用聚类算法

我们知道比较常用的两种聚类算法（k-means聚类和系统聚类）的分类依据是距离，不同于二者，DBSCAN算法(Density-based spatial clustering of applications with noise)是根据密度进行分类的算法

DBSCAN的分类方法

1. 两个指标选择：选定一个半径值r和一个minpoints
2. 随机选择一个点作为起始点
3. 开始做如下试探
   1. 若起始点半径为r内的点个数 ≥ minpoints则该点为当前分类中的核心点
   2. 若起始点半径为r内的点个数 ＜ minpoints，但该点处于其它核心点半径r内，则该点为当前分类中的边界点
   3. 不属于上述两者的点则对于当前类而言是噪音，不属于当前类！
4. 依次选择起始点半径r内的点作为起始点，重复3-4步扩张当前类。
5. 直到当前类中所有点都被试探，则随机选取一个未被试探过的点回到第三步。直到所有数据点都被试探过为止

何时选用DBSCAN

绘制出数据散点图，如果散点图呈现出明显的某种图案时推荐选用这类算法。如下

但当手上数据的散点图分布比较平均，则使用k-means聚类或者系统聚类效果会好一些。

DBSCAN的优缺点

优点：

1. 基于密度进行，能处理任意形状任意大小的簇
2. 可发现异常点（聚类结束以后未被分入任何类的噪音点）
3. 与k-means比较不需要划分聚类个数

缺点

1. 对输入参数r和minpoints非常敏感
2. 数据密度分布均匀的时候效果很差（即数据散点图绘制出来没啥形状的情况下DBSCAN的效果不咋地）
3. 数据量大的时候计算密度单元的计算复杂度很大