为何DBSCAN在该数据集上聚类表现不佳？技术咨询

• 先查特征尺度！ 要是你数据里不同特征的数值范围差得老远（比如一个是0-1，另一个是0-1000），DBSCAN默认的欧氏距离会完全被大尺度特征带跑偏，小特征的差异根本没存在感，聚不出正常类就很正常。先给所有特征做标准化（比如用StandardScaler）或者归一化，这是最常见的坑。
• 距离度量可能不对 欧氏距离不是万能的，高维数据试试余弦距离，混合类型数据（比如有类别特征）可能得用自定义距离函数，别死磕默认选项。
• 调参别瞎试，用k-距离图找eps 别乱猜eps数值，先算每个点到它第k个最近邻的距离，把这些距离排序后画图，找图里的“拐点”——这个拐点对应的距离就是eps的合理起始值，min_samples可以先设成数据维度+1，再慢慢微调。
• 数据本身不适合DBSCAN DBSCAN只擅长处理密度相近、被低密度区域（离群点）隔开的聚类。要是你的数据簇密度差得特别大（比如一个簇挤成一团，另一个散得很开），DBSCAN确实搞不定，这时候换OPTICS算法试试，它能应付密度不均的情况。

内容的提问来源于stack exchange，提问作者A_Pumpkin