一、算法图解

DBSCAN：Dense-Based Spatial Clustering of Applications with Noise（基于密度的&带噪点的空间聚类应用方法）

举个栗子：

1. 此处潜在设定条件：Min_smaples（或者叫MinPoints / Minpts）= 4；
2. 核心点：红点，因为以红点为圆心，“Eps/邻域”为半径的范围内，样本点个数至少有4个(即 Min_samples)；
3. 边界点：黄点，因为它虽然在圆的范围里，但以它为圆心“Eps/邻域”为半径的范围内，不满足Min_samples至少为4的要求；
4. Noise（噪点）：蓝点，即没有在圆范围的点；

二、sklearn官方文档链接

sklearn.cluster.dbscan(
X,                     # 一个feature数组，shape为（n_samples, n_featrues)，或者是 当`metric='precomputed'`的样本间距离数组；
eps=0.5,               # 见上边例子
min_samples=5,         # 见上边例子
metrics='minkowski',  	# 计算2点距离的方法
metric_params=None,
algorithm='auto', #可选参数为['auto', 'ball_tree', 'kd_tree', 'brute']
leaf_size=30, # 可选的参数，BallTree或者KDTree用的。
p=2,   # 用来计算2点之间距离的Minsowski矩阵的幂
sample_weight=None,
n_jobs=None    # 并行运算的数目The number of parallel jobs to run for neighbors search；
)

三、优缺点

• 优点

1. 与KMeans相比，不需要事先设定cluster数；
2. 与KMeans相比，可以发现任意形状的cluster；
3. 同时，DBSCAN能够识别出噪点；
4. DBSCAN对于数据库中样本的顺序不敏感，即pattern的输入顺序对结果的影响不大。但是，对处于cluster边界的样本，可能会根据那个cluster优先被探测到而归属有所摆动；

• 缺点

5. 当数据量增大时，要求较大的内存支持，I/O消耗也很大；
6. DBSCAN不能很好的反映高维数据，算法聚类效果依赖于距离公式的选取（实际应用中常用欧式距离）；
7. 如果样本呢的密度不均匀、cluster的间距又很大的时候，聚类质量不好（参见 刘建平Pinard的博客 ）
8. DBSCAN不能很好反映数据集已变化的密度；