目录

DBSCAN（Density-Based Spatial Clustering of Applications with Noise）

1. HDBSCAN (Hierarchical DBSCAN)

优点:

安装：

使用实例1 效果失败

使用实例2

3. DBSCAN++ (DBSCAN with Preprocessing)

4. DBSCAN with k-distance

5. Density Peaks Clustering (DPC)

6. Generalized DBSCAN (GDBSCAN)

总结

---

DBSCAN（Density-Based Spatial Clustering of Applications with Noise）

from sklearn.cluster import DBSCAN
import numpy as npdata = np.array([[76, 796], [77, 800], [79, 103], [79, 104]])
dbscan = DBSCAN(eps = 5, min_samples = 2).fit(data)
print(dbscan.labels_)

算法有一些改进版本，针对其在某些情境下的局限性，进行了优化和增强。以下是一些常见的 DBSCAN 改进版本及其优缺点：

1. HDBSCAN (Hierarchical DBSCAN)

原理: HDBSCAN 是 DBSCAN 的一个层次化扩展，通过计算不同密度的簇并使用层次聚类（Hierarchical Clustering