1. k近邻（knn）

1.1 步骤：

1.随机选择k个样本作为初始均值向量；
2.计算样本到各均值向量的距离，把它划到距离最小的簇；
3.计算新的均值向量；
4.迭代，直至均值向量未更新或到达最大次数。

• 优点：

  1. 原理比较简单，实现也是很容易;
  2. 算法的可解释度比较强；
  3. 调参方便，参数仅仅是簇数k。

• 缺点：

  1. 聚类中心的个数K 需要事先给定,交叉验证；
  2. 数据不平衡，或者非凸数据聚类效果差；
  3. 对噪音和异常点比较的敏感。

1.2 k如何选择

• 方法1： k-means++, 轮盘法选择距离较远的点
  
• 方法2： 选用层次聚类进行出初始聚类，然后从k个类别中分别随机选取k个点。

1.3 大数据情形

mini batch k-means

1.4 knn和k-Means

2. DBSCAN

步骤：

1、找到任意一个核心点，对该核心点进行扩充；
2、扩充方法是寻找从该核心点出发的所有密度相连的数据点；
3、遍历该核心的邻域内所有核心点，寻找与这些数据点密度相连的点。

相应概念：

邻域：对于任意样本i和给定距离e，样本i的e邻域是指所有与样本i距离不大于e的样本集合；
核心对象：若样本i的e邻域中至少包含MinPts个样本，则i是一个核心对象；
密度直达：若样本j在样本i的e邻域中，且i是核心对象，则称样本j由样本i密度直达；
密度可达：对于样本i和样本j，如果存在样本序列p1，p2，...，pn，其中p1=i，pn=j，并且pm由pm-1密度直达，则称样本i与样本j密度可达；
密度相连：对于样本i和样本j，若存在样本k使得i与j均由k密度可达，则称i与j密度相连

优点：

1. 不需要确定要划分的聚类个数；
2. 抗噪声，在聚类的同时发现异常点，对数据集中的异常点不敏感；
3. 处理任意形状和大小的簇，可以用于凸数据集。

缺点：

1. 数据量大时内存消耗大，相比K-Means参数多一些；
2. 样本集的密度不均匀、类间距很大时，聚类质量较差；

3. mean-shift均值飘移动

步骤：

1. 初始化聚类中心

常见聚类算法

原文：https://www.cnblogs.com/geoffreyone/p/12034183.html