[Friday BI Fly] 请问DBScan算法和最近一些论文中，效果非常好的DensityPeak算法相比，在处理大数据方面有何优劣呢?
0
没有找到相关结果
重要提示：提问者不能发表回复，可以通过评论与回答者沟通，沟通后可以通过编辑功能完善问题描述，以便后续其他人能够更容易理解问题.
没有找到相关结果
推荐一份编程学习资源，包含了各类编程语言学习进阶路线图、视频教程、配套书籍文档、数百份面经，各大厂面试真题。编程语言包括：Java、前端、PHP、Python、Linux运维、软件测试、数据解构与算法、C语言、go语言等
微信扫码关注公众号，发送 "编程"获取资源
2 个回复
彭远权 - 腾讯 高级数据分析师 2016-08-02 回答
赞同来自:
之前关注到的基于密度聚类算法k-means,dbscan,optics
前两个大家可能都比较熟悉。
这位同学提到的density peak算法, 最近我也做了一些对比。发现这个算法是修正了optics和dbscan算法各自缺点的一个综合算法。
1. dbscan算法的缺点是指定eps和minpts 无法对密度不均匀的数据进行准确聚类。比如上图就是optics算法对dbscan这个缺点的改进
2. optics算法可以识别出簇间密度差异化的数据，但是对于密度还是比较敏感。比如density peak论文中的截图（参见下图）。A,C,B三个图中的群落周边比较稀疏的边缘点不能准确归类。
聚类算法用一个统一标准来衡量哪个算法最优。只能根据实际数据情况来比较选择哪个算法更合适。
不同的算法，都是针对特定情况而改进的。
上面提到的几个基于密度算法，无论群落划分方法、密度界定方法怎样。都有一个通病：时间复杂的很高。上次分享的dbscan算法大数据瓶颈突破思路，在这几个算法上都可以应用。
天善小编 - 微信直播问题收集 2016-08-01 回答
赞同来自: