聚类概念：
无监督问题：我们手里没有标签了
难点：如何评估，如何调参
聚类：相似的东西分到一组
K-MEANS算法
基本概念：
要得到簇的个数，需要指定K值
距离的度量：常用欧几里得距离和余弦相似度（先标准化）
优化目标：
工作流程：
(1)从数据中随机选择k个对象（如三分类，K=3）作为初始聚类中心;
(2)计算每个聚类对象（样本）到聚类中心（随机选择的点）的距离来划分；
(3)再次计算每个聚类中心（聚类后取均值更新聚类中心）
(4)重复2，3，直到聚类中心基本不再变动
优势：
简单，快速，适合常规数据集
K值难确定
劣势：
复杂度与样本呈线性关系
很难发现任意形状的簇
如下图：
DBSCAN算法
基本概念：（Density-Based Spatial Clustering of Applications with Noise）
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 r 邻域内点的数量不小于 minPts）
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。
密度可达：若有一个点的序列q0、q1、…qk，对任意qi-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”。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。
边界点:属于某一个类的非核心点,不能发展下线了
噪声点：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
A：核心对象
B,C：边界点
N：离群点
工作流程：
参数D：输入数据集
MinPts：密度阈值
参数ϵ：指定半径
参数选择：
半径ϵ，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
优势：
不需要指定簇个数
擅长找到离群点（检测任务） 可以发现任意形状的簇 两个参数就够
劣势：
高维数据有些困难（可以做降维）
Sklearn中效率很慢（数据削减策略） 参数难以选择（参数对结果的影响非常大）
