均值漂移法 + 轮廓系数+DBSCAN算法

均值漂移法：中间密，四周散

漂移时拟合度达到前所未有的高度。

 

轮廓系数:

　　好的聚类：同一个聚类内部的样本要足够密集，不同的聚类要足够疏远

　　轮廓系数的计算规则：针对一个特定样本a，一级该样本与距离最近的另一个聚类中所有样本的平均距离b。一般情况下a<b

 

DBSCAN算法：从样本空间任意选择一个样本，以事先给定的半径做圆，凡被该圆圈中的样本都视为该样本的同类。

　　外周样本：

　　孤立样本：就一个样本，自己形成一个聚类

　　核心样本：聚类中心的样本。

 

API：

　　sc.DBSCAN(eps=epsilon,min_samples=5)

　　　　　　　　　半径

　　y = model.labels_

　　x[y == -1]的样本则是孤立样本

　　x[model.core_sample_indices_]为核心样本