基于密度的聚类算法（DBSCAN，Density-Based Spatial Clustering of Applications with Noise）

本课程通过距离矩阵演算讲解DBSCAN核心点边界点与簇扩展，及eps/min_samples设定，帮助学习者应对不规则数据聚类。

免费 统计学习方法 程序员 · 老孟 程序员 · 老孟 1 篇文章 52 分钟 1032 次播放 已完成
阅读课件 观看视频
基于密度的聚类算法（DBSCAN，Density-Based Spatial Clustering of Applications with Noise）

你将学会

  • 理解基于密度生长出簇、自动识别噪声的原理
  • 明确其无需预设簇数、可处理任意形状数据
  • 能与质心类算法对比，按数据形态选聚类方法
  • 掌握邻域半径与最少邻点数的经验选取方法
课程内容 1 篇
附录文章 0 篇
互动留言

1/1 基于密度的聚类方法（DBSCAN）

指出常用质心聚类需要预先给定簇数、对噪声敏感且难以识别非球形簇等局限，进而介绍一种完全基于疏密程度的聚类思路：把密集相连的点归为一簇，把孤立稀疏点当作噪声。文章区分核心点、边界点与噪声点三类角色，配合算例演示如何由密度扩张成簇。读者读完可掌握它自动确定簇数、识别任意形状并剔除异常点的原理与适用条件。

📚

该章节暂无关联学习文章
©2026 老孟讲编程 京ICP备2021009384号anbei冀公网安备13050302001966号