# 1、作用

密度聚类（DBSCAN）是一种无需事先指定聚类数量的聚类算法。通过不断扩展核心点的邻域，将所有密度相连的核心点划分为同一个聚类。对于边界点，如果它属于某个核心点的邻域内，但本身不是核心点，则被划分到该核心点所属的聚类中。最终，不属于任何核心点邻域的样本点被标记为噪声。

# 2、输入输出描述

输入：1个及以上的定量变量。 输出：数据样本被划分为具有区分性的类别。

# 3、案例示例

案例：假设存在二维数据集，尝试使用DBSCAN来识别其中的聚类。

# 4、案例数据

# 5、案例操作

Step1：新建项目；
Step2：上传数据；
Step3：选择对应数据打开后进行预览，确认无误后点击开始分析；
step4：选择【密度聚类(DBSCAN)】；
step5：选择密度聚类的相关参数；
step6：点击【开始分析】，完成全部操作。

# 6、输出结果分析

输出结果1：聚类汇总

图表说明：上表展示了模型聚类的结果，包括频数，所占百分比。

输出结果2：数据集聚类标注