KMeans因优化欧氏距离平方和而强制球形簇，无法处理半月形等非凸结构；DBSCAN依赖密度连通性可识别任意形状，但eps和min_samples需结合k距离曲线与领域知识调优，且不可盲目标准化。
为什么KMeans在半月形数据上直接切一刀
KMeans本质是优化欧氏距离平方和，它默认簇是球形、凸的、大小相近的。遇到make_moons这种半月形结构，算法只能靠“拉直线”强行划分——因为它的目标函数里没有形状建模能力，只有中心点和距离。结果就是两个半圆被垂直劈开，同一簇里混着上下两段，完全违背数据的真实拓扑。
DBSCAN的eps和min_samples怎么调才不崩
DBSCAN不依赖簇形假设，靠密度连通性识别任意形状，但参数极敏感：
-
eps太小：点之间无法连通，每个点都成噪声或单点簇 -
eps太大：不同密度区域被合并，半月形被压成一团 -
min_samples太低：把稀疏边缘也当核心点，边界模糊 -
min_samples太高：只留下高密度区域，丢掉半月弧线的细长部分
实操建议：先用NearestNeighbors查k距离曲线（k= min_samples-1），拐点处对应合理eps；再结合领域知识定min_samples（例如用户行为数据中，min_samples=5比2更抗采样波动）。
轮廓系数对非凸结构会给出误导性高分
轮廓系数silhouette_score隐含凸形偏好：它用平均距离衡量分离度，而半月形簇内部a(i)天然偏大（弧线上点到同簇其他点距离本就长），b(i)又受限于最近邻簇的几何位置，最终s(i)可能仍接近0.6——但这不代表聚得好，只是指标没能力识别流形结构。
立即学习“Python免费学习笔记（深入）”；
真正该看的是：
- 可视化原始数据+聚类标签，肉眼判断是否贴合结构
- 用
DBSCAN自带的labels_检查噪声点比例（-1值个数），突增说明eps过小 - 避免在高维数据上硬算轮廓系数——维度灾难会让所有距离趋近相等，分数失真
标准化对DBSCAN其实没用，但对KMeans是生死线
StandardScaler对KMeans是必须步骤，否则量纲差异直接扭曲欧氏距离；但DBSCAN基于原始空间的邻域计数，缩放后eps物理意义丢失，反而增加调参难度。真实项目中常见错误是：把KMeans流程里的scaler pipeline直接套给DBSCAN，导致eps从0.5调到500还找不到合理簇。
正确做法：
- KMeans前必做
scaler.fit_transform(X) - DBSCAN用原始特征，或仅对明显量纲冲突字段做单位归一（如把“米”和“千米”统一），不全局标准化
- 若数据含强离群值（如某用户消费是均值10倍），DBSCAN本身鲁棒，无需
RobustScaler——那是为KMeans防inertia爆炸准备的
非凸结构聚类真正的难点不在算法选择，而在你是否愿意放弃“所有点必须归属某簇”的执念——DBSCAN的-1标签不是失败，是诚实告诉你：那里本就没有结构。
