DBSCAN聚类

什么是DBSCAN聚类？

DBSCAN将紧密聚集的数据点分组，将低密度区域的点标记为异常值（噪声）。与K-Means不同，不需要预先指定聚类数，可以发现任意形状的聚类。

两个参数：epsilon(eps)——视为邻居的最大距离；最小样本(minSamples)——形成密集区域所需的最小点数。点被分为核心、边界和噪声。

DBSCAN对不同密度的聚类、非凸形状和大量噪声的数据有效。但当聚类密度差异很大时效果欠佳。

Formula: 核心点: |N_eps(p)| ≥ minSamples 边界点: |N_eps(p)| < minSamples 但在某核心点的 eps 范围内 噪声点: 既非核心也非边界 N_eps(p) = {q : dist(p,q) ≤ eps}

计算示例

点：(1,1), (1.1,1.2), (0.9,0.8), (5,5), (5.1,5.2), (4.9,4.8), (10,10)。eps=1.0, minSamples=2。聚类1：3点，聚类2：3点，噪声：(10,10)。

何时使用此计算器

• 数据科学家进行异常检测，需要将离群点显式标识为独立于簇之外的噪声点
• 空间分析师对地理数据（如犯罪热点、配送地点）聚类，其中簇形状不规则且分组数量未知
• 研究人员分析天然含噪声的数据，强行将每个点归入簇（如 K-Means 所做）会扭曲分析结果
• 工程师对呈非球形模式（环形、月牙形、细长形）的传感器读数分组，这类模式是 K-Means 无法检测的

常见错误

• epsilon 设置过大——会把彼此独立的簇合并为一个；应使用 k-距离图，在曲线拐点处确定合适的 eps 值
• epsilon 设置过小——会把大多数点判为噪声，只找到极少甚至没有簇；若大部分数据被标为噪声，eps 很可能过小
• 聚类前未对特征缩放——DBSCAN 使用欧氏距离，尺度较大的特征会主导距离计算；应先对所有特征标准化
• 在簇密度差异很大时使用 DBSCAN——单一 eps 值无法同时兼顾稠密簇与稀疏簇；可改用 HDBSCAN 或 OPTICS

如何解读结果

• 噪声点（标记为离群点）是位于低密度区域的数据点——它们可能是真实异常、测量误差，或簇与簇之间的过渡数据
• 簇的数量由数据和参数自动决定，无需事先指定——这是相对 K-Means 的一个关键优势
• 若算法只找到一个簇或将所有点判为噪声，请调整 eps 和 minSamples——参数需要调优以匹配数据的密度结构

相关标准与参考文献

• Ester, Kriegel, Sander & Xu (1996), 'A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise', Proc. KDD-96 — DBSCAN的原始论文
• Schubert, Sander, Ester, Kriegel & Xu (2017), 'DBSCAN Revisited, Revisited', ACM Transactions on Database Systems — 关于参数选择与k距离启发式方法的现代指南

常见问题

如何选择eps和minSamples？

minSamples：通常为2×维数。eps：绘制k近邻距离曲线，在'拐点'处选择。

何时使用DBSCAN而非K-Means？

不知道聚类数、形状不规则或有大量噪声时使用DBSCAN。K-Means对球形聚类更快。