DBSCAN在scikit-learn中通过sklearn.cluster.DBSCAN调用，核心参数为eps（邻域半径）和min_samples（核心点最小邻域样本数），需结合k距离图与数据尺度合理选择，-1标签明确标识噪声点，地理坐标须用haversine距离或转投影坐标。
DBSCAN在scikit-learn中怎么调用
直接用 sklearn.cluster.DBSCAN，它专为带噪声的密度聚类设计，不需要预设簇数量，天然能识别离群点。核心参数只有两个必须调：eps（邻域半径）和 min_samples（核心点最小邻域样本数）。其他参数如 metric 默认是欧氏距离，空间坐标数据通常不用改。
eps和min_samples怎么选才不漏噪点也不碎簇
eps 太小会导致本该连通的点被切开，簇被过度分割；太大则把不同簇拉到一起，噪声点被吞进簇里。min_samples 一般取特征维数的2倍（比如二维空间用4），太小会让稀疏区域也成“核心”，把噪声误标为簇成员。
- 快速试
eps：对每个点计算到第min_samples近邻的距离，画这些距离的排序图（k-distance graph），拐点处的值就是合理eps - 用
NearestNeighbors手动算更稳：from sklearn.neighbors import NearestNeighbors nn = NearestNeighbors(n_neighbors=min_samples).fit(X) distances, _ = nn.kneighbors(X) distances = np.sort(distances[:, -1], axis=0) plt.plot(distances)
- 注意：如果数据做了标准化（比如
StandardScaler），eps就得按缩放后的尺度估，不能直接套原始坐标的物理意义
DBSCAN输出的labels里-1到底代表什么
labels_ 数组里的 -1 就是明确标记的噪声点，不是“未分类”，也不是“无法判断”——它是算法根据密度定义严格排除的结果。这些点不隶属任何簇，也不参与后续核心点扩展。
- 别把它当缺失值填均值或插值，那会破坏密度结构
- 做下游任务（比如热力图、轨迹分析）前，建议先分离：
noise_mask = labels == -1，单独看分布 - 如果
-1占比超过30%，优先检查eps是否过小，或数据是否混入了量纲差异极大的特征（比如经纬度混着海拔，没归一化）
地理坐标（经纬度）直接喂DBSCAN会出什么问题
会错得离谱。因为 DBSCAN 默认用欧氏距离，而经纬度是球面坐标，一度经度在赤道和极地代表的实际距离差十几倍。直接算出来的 eps 没有空间一致性。
立即学习“Python免费学习笔记（深入）”；
- 要么转成平面坐标（如UTM），再跑DBSCAN
- 要么换距离度量：
metric='haversine'，此时输入必须是弧度制的[lat, lon]，且eps单位是弧度——更稳妥的是用sklearn.metrics.pairwise.haversine_distances预计算距离矩阵，再传给DBSCAN(metric='precomputed') - 注意：用
haversine时min_samples不变，但eps得换算，例如想设500米邻域，就用eps = 500 / 6371000（地球平均半径米）
eps 没结合数据尺度和业务意义去试，或者忘了地理坐标不能直用欧氏距离。这两个点踩中一个，结果就看起来“全是一堆噪声”。 
