网站建设确认报告,比较好的做网站的公司,做百度移动网站吗,在北京哪家公司建网站合适基本概念 核心对象#xff1a;以点为圆心半径为r的圆#xff0c;如果圈里面的样本点大于给定的阈值(minPts)#xff0c;那么这个点就叫做核心点
直接密度可达#xff1a;点p在q为圆心的圆内
密度可达#xff1a; p1与p2直接密度可达#xff0c;p2与p3直接密度可达…基本概念 核心对象以点为圆心半径为r的圆如果圈里面的样本点大于给定的阈值(minPts)那么这个点就叫做核心点
直接密度可达点p在q为圆心的圆内
密度可达 p1与p2直接密度可达p2与p3直接密度可达所以p1与p3被称为密度可达 边界点 以p1为核心点的圈含p2p2自己为核心点也有对应圈并且圈内有点p3同样p3也有以p3为核心点的圈并且有点p4这说明点p1p2p3是可以发展下去的点(我认为可以理解成以之前圈住点为圆心画圈不断圈住新的点)
但是p4就不行了因为以p4为核心点的圈内没有其他样本点或者说样本点的个数少于规定的阈值MinPts没有继续“发展”下去 工作流程
算法
需要输入的数据
参数D输入数据集
参数指定半径
MinPts密度阈值 如何选择参数基本上都是不断尝试 优势和劣势 可视化展示
Visualizing DBSCAN Clustering
Gaussian Mixture 如下图所示调大半径epsilon之后离群点就变小了
如果想用DESCAN算法找离群点可以考虑将半径调小 Smiley Face Packed Circles
但对于这种密集区域此时DBSCAN分类就不如K-means
半径小了就出现分类很多的情况半径大了就出现分类只有一两个的情况还不如直接K-means直接给定分类的类别
