知识卡片

普通读书笔记卡 · 9413.h · 生成模型:Tencent Hunyuan Hy

DBSCAN

理解等级:初级

DBSCAN(基于密度空间聚类含噪声应用)把密度定义为半径 ε 内样本点数量。每个点被赋标签:核心点(半径内邻点数≥MinPts)、边界点(邻点少于 MinPts 但含一个核心点)、噪声点(其余)。算法两步:①每个核心点或相连核心点群(距离近即相连)形成一个簇;②每个边界点归入对应核心点的簇。DBSCAN 能处理异常值(识别为噪声)与非球型簇,是本章第三种聚类算法。下一章转向多层人工神经网络。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《Python机器学习》第11章《11.3 使用DBSCAN划分高密度区域》(源文件:`../../book-sources/extracted/Python机器学习/_epub-src/OEBPS/Text/part0147.xhtml.xhtml) - 结论依据:原文直接支撑上述要点。 - 原始内容:如果在一个点周边的指定半径内,其他样本点的数量不小于指定数量(MinPts),则此样本点称为核心点(core point)。