Python機器學習——DBSCAN聚類
阿新 • • 發佈：2019-02-05
密度聚類（Density-based Clustering）假設聚類結構能夠通過樣本分佈的緊密程度來確定。DBSCAN是常用的密度聚類演算法，它通過一組鄰域引數（
ϵ -鄰域：Nϵ(x⃗ i) ={x⃗ j∈D|distance(x⃗ i,x⃗ j) ≤ϵ }，Nϵ(x⃗ i) 包含了樣本集D 中與x⃗ i 距離不大於ϵ 的所有樣本。核心物件core object：若|
Nϵ(x⃗ i) |≥MinPts ，則稱x⃗ i 是一個核心物件。即：若x⃗ i 的ϵ -鄰域中至少包含MinP 個樣本，則稱tsx⃗ i 是一個核心物件。密度直達directly density-reachable：若
x⃗ i 是一個核心物件，且x⃗ j∈ Nϵ(x⃗ i) ，則稱x⃗ j 由x⃗ i 密度直達，記作x⃗ i –>x⃗ j 。密度可達density-reachable：對於
x⃗ i 和x⃗ j ，若存在樣本序列(p⃗ 0，p⃗ 1，p⃗ 2，...，p⃗ m，p⃗ m+1 ），其中p⃗ 0 =x⃗ i ，p⃗ m+1 =x⃗ j ，p⃗ s∈D,s=1,2,...,m 。如果p⃗ s+1