dbscan

华为AI岗 -- 笔试（一）华为牛客网AI题牛客网目录一、华为代码题1. DBSCAN 聚类（10.10）2. 实现Masked Multi-Head Self-Attention （9.28）

小喵要摸鱼

【机器学习】无监督学习 —— K-Means 聚类、DBSCAN 聚类K‑Means 聚类是一种无监督机器学习算法，通过数据点的内在相似性将其分组为簇。目标是将数据集划分为 k k k 个簇，使得每个簇内的数据点彼此之间的相似度高于与其他簇中的数据点的相似度。

聚类系列 (二)——HDBSCAN算法详解在进行组会汇报的时候，为了引出本研究动机（论文尚未发表，暂不介绍），需要对DBSCAN、OPTICS、和HDBSCAN算法等进行详细介绍。在查询相关资料的时候，发现网络上对于DBSCAN算法的介绍非常多与细致，但是对于OPTICS或者HDBCCAN算法的介绍要么是直接照抄一个在线文档的算法介绍，要么就是未能完整的讲出该算法的原理。为了能够给大家提供一个都能看懂的HDBSCAN算法介绍，于是有了该篇文章。

秀儿还能再秀

DBSCAN聚类——基于密度的聚类算法（常用的聚类算法）DBSCAN（Density-Based Spatial Clustering of Applications with Noise）简称密度聚类或密度基础聚类，是一种基于密度的聚类算法，也是一种常用的无监督学习算法，特别适用于形状不规则的聚类和含有噪声的数据集。主要用于发现具有任意形状的簇，并能够有效地识别噪声数据点。

聚类分析方法（二）层次聚类方法对给定的数据集进行层次的分解，直到某种条件满足为止。具体又有凝聚的 (agglomerative) 和分裂的 (divisive) 两种策略。

博士僧小星

人工智能|机器学习——DBSCAN聚类算法（密度聚类）DBSCAN(Density-Based Spatial Clustering of Applications with Noise)是一种基于密度的聚类算法，簇集的划定完全由样本的聚集程度决定。聚集程度不足以构成簇落的那些样本视为噪声点，因此DBSCAN聚类的方式也可以用于异常点的检测。

数据科学知识库

机器学习算法---聚类

【人工智能Ⅰ】实验8：DBSCAN聚类实验实验8 DBSCAN聚类实验一、实验目的学习DBSCAN算法基本原理，掌握算法针对不同形式数据如何进行模型输入，并结合可视化工具对最终聚类结果开展分析。

我是有底线的