DBSCAN参数需结合数据分布设定：用NearestNeighbors计算k距离图选eps拐点值，min_samples建议设为维度+1；噪声点（label==-1）应单独分析其业务意义，可视化时需区分簇与噪声点颜色。
DBSCAN的eps和min_samples怎么设才不全是噪声？
DBSCAN对参数极其敏感，eps太小导致大部分点被标为噪声（-1），太大又让所有点挤成一类。关键不是“调参”，而是先看数据分布：sklearn.neighbors.NearestNeighbors能帮你算出每个点到第min_samples近邻的距离，排序后画k距离图——拐点处的横坐标就是合理的eps初值。
常见错误是直接用默认min_samples=5，但若样本量不到50，这个值会让算法过度保守；建议设为维度+1（比如2D数据用3），再结合k距离图微调。
-
min_samples过大会让簇变少、噪声变多，尤其在稀疏区域明显 -
eps过大会吞掉本该分离的簇，比如两个靠得近的椭圆团块被合并 - 标准化很重要：未归一化的特征会让欧氏距离被量纲大的维度主导，
StandardScaler或MinMaxScaler必须加在DBSCAN前
如何把DBSCAN的噪声点（label == -1）单独拎出来分析？
DBSCAN返回的labels_数组里，-1就代表噪声，不是“第零类”。别用df[labels == 0]这种写法去取第一簇，更别用labels == -1当布尔索引时忘了加括号——df[labels_ == -1]才是正确姿势。
实际中噪声点往往有业务意义：异常交易、离群传感器读数、新用户行为。建议立刻做两件事：
立即学习“Python免费学习笔记（深入）”；
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 统计噪声点占比，若超过30%，大概率是
eps或min_samples设错了，不是数据真有那么多异常 - 对噪声点单独跑个
PCA降维+散点图，看它们是否聚在某个特征角上（比如高延迟+低请求量），这比单纯删掉更有价值 - 用
np.where(labels_ == -1)[0]拿到原始索引，方便回溯原始数据行
DBSCAN结果怎么可视化？特别是区分簇和噪声点
Matplotlib画散点图时，别用单一颜色画全部点。正确做法是把不同簇分配不同颜色，噪声点强制用灰色或叉号标记：
import matplotlib.pyplot as plt
plt.scatter(X[labels_ == -1, 0], X[labels_ == -1, 1], c='gray', marker='x', s=20, label='Noise')
for i in set(labels_) - {-1}:
plt.scatter(X[labels_ == i, 0], X[labels_ == i, 1], label=f'Cluster {i}')注意：X必须是二维数组（哪怕只用了两个特征），且labels_长度要和X行数一致——常见坑是标准化后忘了同步处理labels_，或者用fit_transform却误把结果当原数据传给绘图。
为什么DBSCAN结果每次运行都一样，但还是觉得不稳定？
DBSCAN本身确定性很强，不依赖随机种子。所谓“不稳定”通常来自三处：
- 输入数据顺序变了：DBSCAN内部按点序构建邻域，虽然最终簇标签与顺序无关，但
labels_数组里-1的位置会变，容易误判为结果漂移 - 用了
sample_weight参数但没归一化，权重差异过大时邻域计算会失真 - 数据含缺失值（
NaN）：DBSCAN不支持，运行时报ValueError: Input contains NaN，必须提前用SimpleImputer或删行
真正难处理的是边界点——刚好卡在eps边缘的点，可能因浮点精度或邻域点微小变动而切换簇/噪声身份。这种点没法完全消除，只能接受它是算法特性，必要时用clusterer.core_sample_indices_查出核心点，聚焦分析它们。
