上一篇我们聊了K-Means的硬伤：月牙形数据会被拦腰切断，K值得提前猜，一个异常点就能把质心拽偏。这次换个思路——DBSCAN用密度找集群，不用算距离质心多远，K值自己 discovery，异常点直接标-1扔出去。

核心问题换了一个。K-Means问：离哪个质心最近？DBSCAN问：半径epsilon内有多少邻居？够min_samples个，就是核心点，集群的"心脏"。不够但挨着核心点，算边界点。哪儿都不挨的，标成噪声-1。两个集群之间没有核心点链条连着，就是独立的。

打开网易新闻 查看精彩图片

代码跑一遍月牙数据（300个点，噪声0.08）：eps设0.2，min_samples设5，结果出来250个核心点、45个边界点、5个噪声点，分出2个集群。可视化很直观——核心点实心、边界点变淡、噪声打叉，月牙的两条弧线被完整识别，没被切开。

打开网易新闻 查看精彩图片

参数怎么调？eps和min_samples是命门。eps太小，集群碎成渣；太大，全糊成一团。min_samples太高，核心点太少；太低，噪声混进去。没有万能公式，得看数据密度分布。

什么时候用DBSCAN，什么时候还回K-Means？数据形状不规则、噪声多、不知道分几类——DBSCAN上。数据球状分布、要快速算大样本、需要明确质心——K-Means更稳。密度不均的数据是DBSCAN的软肋，稀疏区域和密集区域用同一套参数，总有一边要崩。

打开网易新闻 查看精彩图片

异常检测是DBSCAN的隐藏技能。标-1的点不一定是错误，可能是欺诈交易、设备故障、网络入侵。不用单独训练异常检测模型，聚类顺便就把活儿干了。