一、DBSCAN算法基本概念
1.全称：Density-Based Spatial Clustering of Applications with Noise 基于密度带有噪声聚类
2.核心对象：若某个点的密度达到算法设定的阈值则其为核心点。
（即某点的r 邻域内，点的数量不小于设定阈值 minPoints）
3.半径r：邻域的距离阈值：设定的半径r
4.直接密度可达：若某点p在点q的 r 邻域内，且q是核心点则p-q直接密度可达。
5.密度可达：若有一个点的序列q0、q1、…qk，对任意qi到qi-1是直接密度可达的，则称从q0到qk密度可达，这实际上是直接密度可达的“传播”。
6.密度相连：若从某核心点p出发，点q和点k都是密度可达的,则称点q和点k是密度相连的。
7.边界点:属于某一个类的非核心点,不能发展下线了
8.噪声点（离群点）：不属于任何一个类簇的点，从任何一个核心点出发都是密度不可达的
二、工作流程
1.输入
（1）参数D：输入数据集
（2）参数r：指定半径
（3）MinPts：密度阈值
参数选择解释：
-》半径r，可以根据K距离来设定：找突变点
K距离：给定数据集P={p(i); i=0,1,…n}，计算点P(i)到集合D的子集S中所有点
之间的距离，距离按照从小到大的顺序排序，d(k)就被称为k-距离。
-》MinPts： k-距离中k的值，一般取的小一些，多次尝试
2.标记所有点为unvisit
3.随机选择一个unvisit点p，作为c1簇，发展下线。
4.发展下线：绘制p的邻域r，对于邻域中满足核心点条件的点，就把该点归类为c1
5.把访问过的点都标记为visit，然后从3步循环，找到c2,c3...类，直到所有点都为visit为止。
三、优势和劣势
1.优势
（1）不需要指定簇个数
（2）可以发现任意形状的簇
（3）擅长找到离群点（检测任务）
（4）两个参数就够了
2.劣势
（1）高维数据有些困难（可以做降维）
（2）参数难以选择（参数对结果的影响非常大）
（3）Sklearn中效率很慢（数据削减策略）
四、实例
1.导入
from sklearn.cluster import DBSCAN
db = DBSCAN(eps=10, min_samples=2).fit(X)3.分类结果
labels = db.labels_
结果：
[ 0 0 0 -1 0 0 -1 0 1 -1 0 1 0 0 0 2 0 0 2 1]
3.添加到数据最后，并且排序
beer['cluster_db'] = labels
beer.sort_values('cluster_db')4.求取中心值
beer.groupby('cluster_db').mean()5.查看两两特征的关系
pd.scatter_matrix(X, c=colors[beer.cluster_db], figsize=(10,10), s=100)