DBSCAN 密度聚类

本章目标

1. 明确本分册对应的 DBSCAN 源码入口与运行方式。
2. 理解当前 DBSCAN 文档各章节分别负责解释什么内容。
3. 建立从数据、模型、训练到可视化评估的整体阅读路线——注意这是无监督聚类，与分类分册有本质差异。

对应代码速览

组件	路径	说明
数据生成	data_generation/clustering.py	ClusteringData.dbscan() 生成双月牙聚类数据
数据导出	data_generation/__init__.py	导出 dbscan_data
训练封装	model_training/clustering/dbscan.py	train_model(...) 封装 sklearn.cluster.DBSCAN 训练
端到端流水线	pipelines/clustering/dbscan.py	完成数据拆分、标准化、训练与聚类结果可视化
聚类结果可视化	result_visualization/cluster_plot.py	绘制预测簇标签与真实标签对照图

默认配置速览（来自源码）

项目	当前实现
训练模型	DBSCAN(eps=0.3, min_samples=5, metric='euclidean')
数据来源	make_moons(n_samples=400, noise=0.08, random_state=42)
特征预处理	StandardScaler().fit_transform(X)——对基于距离的 eps 邻域判定至关重要
训练方式	model.fit(X_scaled)——无监督，不传入标签
评估呈现	聚类散点图（预测簇 vs 真实标签对照）+ 簇数量/噪声点数量日志

阅读路线

1. 数学原理
2. 数据构成
3. 思路与直觉
4. 模型构建
5. 训练与预测
6. 评估与诊断
7. 工程实现
8. 练习与参考文献

如何运行

示例代码

python -m pipelines.clustering.dbscan

理解重点

• 这个命令会串起当前 DBSCAN 分册中最核心的工程流程。
• 运行后会训练一个 DBSCAN 模型（沿密度可达关系扩展簇），并输出聚类分布对照图。
• 当前流程是无监督聚类——true_label 仅用于结果对照，不参与 fit()。这是与分类分册最根本的差异。

先修

• 库生态总览
• NumPy 基础与数组概念
• 预处理
• 项目架构

小结

• 本分册严格对应当前仓库中的 DBSCAN 源码实现。
• DBSCAN 的核心特点：密度聚类 + 无需预设簇数 + 天然识别噪声点 + 能发现任意形状簇——与 KMeans（中心式聚类、需预设 $k$、偏好球形簇）在建模思路上有本质区别。
• 当前使用 make_moons 构造的双月牙数据 + DBSCAN(eps=0.3, min_samples=5)，是展示基于密度的非球形聚类最经典的教学配置。