Clustering
K-means
是一種常見的聚類（Clustering）算法，用於將數據集中的樣本分為K個不同的組或群體，每個群體稱為一個簇（Cluster）。K-means的目標是將樣本分配到最接近它的簇中，同時最小化每個簇內樣本與該簇中心的平方距離的總和。
以下是K-means算法的主要步驟：
初始化：首先需要指定K值，即要劃分的簇的數量。然後隨機初始化K個簇中心（centroid）的位置，可以從數據集中隨機選取K個樣本作為初始中心。
分配：將每個樣本分配到距離它最近的簇中心所屬的簇中。
更新中心：對每個簇中的樣本，計算其平均值並更新簇中心的位置。
迭代：重複執行步驟2和步驟3，直到簇中心的位置不再發生變化或者達到指定的迭代次數。
K-means的優點包括實現簡單、計算效率高、對大型數據集具有良好的可擴展性等。然而，K-means也有一些缺點，例如對初始簇中心的選擇敏感、對簇的形狀和大小有假設、需要事先指定K值等。
K-means常用於分析客戶群體、文本分類、圖像分割等應用中，它能夠將數據集分為具有內在結構的不同簇，從而進行更深入的分析和理解。
DBSCAN是一種密度聚類算法，全名為Density-Based Spatial Clustering of Applications with Noise。它能夠將數據點根據它們的密度分佈劃分成不同的簇，並且能夠有效處理噪音數據。
以下是DBSCAN算法的主要特點和步驟：
核心點（Core Point）：對於給定的半徑ϵ（epsilon）和最小點數MinPts，如果一個數據點的ϵ-鄰域（包括它本身）內至少有MinPts個點，則該數據點被視為核心點。
邊界點（Border Point）：如果一個數據點的ϵ-鄰域內的點數小於MinPts，但它本身位於某個核心點的ϵ-鄰域內，則該數據點被視為邊界點。
噪音點（Noise Point）：除了核心點和邊界點外，所有不屬於任何簇的數據點都被視為噪音點。
簇的擴展：DBSCAN通過將核心點相互連接來擴展簇。具體地，對於每個核心點，將其ϵ-鄰域內的所有點都添加到同一個簇中，並且進一步將與這些點相連的核心點的ϵ-鄰域內的點也添加到該簇中，以此類推。
DBSCAN的優點包括能夠發現任意形狀的簇、對噪音敏感度較低、不需要事先指定簇的數量等。然而，DBSCAN也有一些缺點，例如對密度不均勻的數據集可能效果較差、對參數的選擇敏感等。
總而言之，DBSCAN是一種強大的聚類算法，特別適用於處理大型數據集和具有不規則形狀的簇。