DBSCAN:基于密度的带噪声的应用程序空间聚类

数据库扫描 d ensity- b ASED小号（ε2）Ç上光用正瓦兹一个pplications的。 是一种聚类算法。 给它一个值的集合，该算法将它们组织成附近值的组。 对于我们许多人来说，如果我们完全熟悉聚类算法，那么我们就会知道。 但是k -means的挑战之一是您需要指定多个簇（“ k ”）才能使用它。 在很多时候，我们不会知道合理的k值是先验的。 （实际上，这通常是我们最想知道的！） DBSCAN的优点在于您不必指定多个集群即可使用它。 您只需要一个函数即可计算值之间的距离，并提供一些有关“距离”被视为“接近”的指导。 在各种不同分布中，DBSCAN还比k-均值产生更合理的结果。 用法 import DBSCAN import simd let input: [SIMD3< Double>] = [[ 0 , 10 , 20 ],