1.优缺点
优点:
(1)聚类速度快且能够有效处理噪声点和发现任意形状的空间聚类;
(2)与K-MEANS比较起来,不需要输入要划分的聚类个数;
(3)聚类簇的形状没有偏倚;
(4)可以在需要时输入过滤噪声的参数。
缺点:
(1)当数据量增大时,要求较大的内存支持I/O消耗也很大;
(2)当空间聚类的密度不均匀、聚类间距差相差很大时,聚类质量较差,因为这种情况下参数MinPts和Eps选取困难。
(3)算法聚类效果依赖与距离公式选取,实际应用中常用欧式距离,对于高维数据,存在“维数灾难”。
2.原理
DBSCAN参数
Eps——距离阈值,该聚类算法中把距离当做密度表达,距离如何计算也很重要。
MinPts——形成一个核心点所需要最小的直接可达点数,例如改参数设置为5,Eps设置为2,那么一个核心点(包含自己)形成的条件是该核心店距离阈值2以内至少有5个点。
待聚类点分为三类:
- 直接可达点 核心点距离阈值内的点成为直接可达点
- 可达点 属于不同核心点的直接的可达点通过核心点组成的路径(相邻核心点之间在各自距离阈值内)相连,那么这些直接可达点被称为可达点
- 局外点 既不是核心点也不是直接可达点也不是可达点被称为局外点,也可叫做噪声点
3.聚类
同一组直接可达点与可达点形成一个类簇,局外点形成噪声点