我玩了很多位置数据，并找到了 k-means 工作正常以及 k-means 表示不佳而 DBSCAN 非常适合的示例。

如果您曾经在有雾或低云量的日子里徒步旅行或登山，有时您到达山顶时只能看到周围的山峰从云层中探出头来。当我想到 DBSCAN 时，我喜欢使用这个类比。密度过滤允许选择保留数据的阈值，并过滤掉所有剩余的数据。

看看这个西雅图犯罪事件数据。假设我想按位置对数据进行聚类以形成伪邻域，即粗略定义为犯罪事件容易发生的地理位置的邻域。这是一个在位置分析中运行良好的 k-means 示例：

西雅图犯罪数据使用 k-means 聚类叠加原始地图

如果您完全了解西雅图，您会发现集群倾向于挑选社区，这在分解社区方面非常有效。现在假设我想挑选西雅图的高犯罪率地区以识别热点。无论我如何调整 k，k-means 聚类并不能真正提供任何额外的洞察力。但是 DBSCAN 中的密度过滤在识别高犯罪率区域方面做得非常出色：

西雅图犯罪数据使用 DBSCAN 聚类叠加原始地图

我认为这提供了一些可以使用这两种算法加以利用的优势的玩笑。犯罪数据没有什么特别之处。对于它的价值，我有一个教程，通过分析从他们的手机 GPS ping 识别用户的家庭和工作位置。这是 DBSCAN 非常有用的另一种情况，但 DBSCAN 的特定部分在教程中被埋没了。

希望这可以帮助！

根本没有好的聚类评估数据可以得出这样的结论。

甚至没有好的真实数据可以说 k-means 的变体 1 比 k-means 的变体 2 更好。

也没有很好的评估措施可以很好地处理“噪音”的概念。

所以：不要按一些数字。

聚类是关于解决数据问题。你有数据，你尝试算法和参数并研究（重要的）结果。直到你发现一些有趣的东西。这不能自动化或测量（好吧，你可以问 100 位科学家什么对他们有用——我记得曾经看过一些成功使用 DBSCAN 的天文学论文——但当然他们不能把数字 0 放在 1 上）。

你可能想看看这个DBSCAN 的案例研究——我怀疑 k-means 对这个数据集有很大帮助。特别是，它会将噪声点分配给某些集群，而它们根本不应该被分配。