HDBSCAN 与 DBSCAN 的对比

HDBSCAN vs. DBSCAN

本章让我们深入了解一下 HDBSCAN，并理解它与 DBSCAN 的不同之处。和任何算法一样，DBSCAN 也有一些局限。首先，DBSCAN 假设数据点的局部密度（在某种程度上）是全局均匀的，这一点由它的 eps 参数控制。

因此，它可能难以识别密度变化不一的簇。这可能需要进行多次超参数调优才能得到有希望的结果。HDBSCAN 可以是更好的基于密度的聚类之选。它放松了局部密度均匀这一假设，通过探索许多不同的密度尺度，使其对密度变化不一的簇更具鲁棒性。例如，考虑下面这个虚拟数据集上用 DBSCAN 得到的聚类结果，其中每个簇的密度各不相同：

可以清楚地看到，DBSCAN 产生了很差的聚类结果。

现在把它与下图所示的 HDBSCAN 结果做比较：

在一个包含三个簇、每个簇密度各不相同的数据集上，HDBSCAN 被证明更加鲁棒。

关于 HDBSCAN，还有一点我很喜欢：

• DBSCAN 是一种随尺度变化的算法。因此，对于数据 X、2X、3X 等，聚类结果可能完全不同。
• 而 HDBSCAN 是尺度不变的。所以，在不同尺度的数据上聚类结果保持不变。
• 左边是 DBSCAN，我们可以看到结果会随数据尺度而变化。然而 HDBSCAN（在右侧）的聚类结果则不随尺度而改变。