R 实现：https://stat.ethz.ch/R-manual/R-devel/library/stats/html/hclust.html

3.4 DBSCAN

DBSCAN 是一个基于密度的算法，它将样本点的密集区域组成一个集群。最近还有一项被称为 HDBSCAN 的新进展，它允许改变密度集群。

优点：DBSCAN 不需要假设集群为球状，并且它的性能是可扩展的。此外，它不需要每个点都被分配到一个集群中，这降低了集群的异常数据。

缺点：用户必须要调整「epsilon」和「min_sample」这两个定义了集群密度的超参数。DBSCAN 对这些超参数非常敏感。

Python 实现：http://scikit-learn.org/stable/modules/clustering.html#dbscan

R 实现：https://cran.r-project.org/web/packages/dbscan/index.html

结语

本文从回归问题、分类问题和聚类问题三个角度下初步了解了各个算法的优缺点，也基本了解了那些算法到底是什么。但以上每一个算法都有更多的概念和细节没有展现出来，我们不能知道它们的损失函数是什么、训练目标是什么、权重更新策略是什么等等一些列问题。因此我们希望能从机器之心历来文章中搜寻一些，为有兴趣的读者提供这些算法的具体细节。

线性回归：

初学 TensorFlow 机器学习：如何实现线性回归？（附练习题）

从头开始：用 Python 实现带随机梯度下降的线性回归

决策树（集成方法）：

从头开始：用 Python 实现随机森林算法

从头开始：用 Python 实现决策树算法

支持向量机：

详解支持向量机（附学习资源）

深度学习：

深度神经网络全面概述：从基本概念到实际模型和硬件基础

深度学习与神经网络全局概览：核心技术的发展历程

聚类算法：

机器理解大数据的秘密：聚类算法深度详解

最后，不论是基本概念还是具体算法，最重要的就是实践。不实践这些算法就永远不能发现哪些地方没有掌握，因此希望本文能有助于各位读者实践自己的算法。

　　原文地址：https://elitedatascience.com/machine-learning-algorithms#regression

　　读者福利：即日起至 GMIS 2017 大会前一天，读者在头条文章下留言，机器之心会在次日选出最专业或最有见解的一条评论赠送 GMIS 2017 双日票一张！

　　请点「击阅读原文」查看全部嘉宾阵容，并报名参与机器之心 GMIS 2017。

相关阅读：

apriori算法python实现

k均值聚类算法python

python数据挖掘算法包

python的快速排序算法

python汉诺塔递归算法

r怎么实现k-means聚类算法

逻辑回归算法步骤

机器视觉算法与应用

层次聚类算法的应用

python 线性回归

聚类算法matlab代码

贝叶斯分类算法

相关推荐：

华为史上最美操作系统，你绝对不能错过的EMUI5.0

国产操作系统典范：deepin操作系统

娱乐办公两不误！这个笔记本能把屏幕拔下来写字

斗鱼响应新规加强监管，坚持打造优质精品直播

SpaceX 火箭爆炸原因确定：液态氧过冷成了固态

华为Mate9中国版真机秀 你绝对没发现它有两种版本

99%的人都不知道的微信高效使用术？

乐视网一周蒸发88亿元 贾跃亭反思节奏发展过快

似乎已经战胜传统渠道的小米 今年为什么被OPPO、vivo 打败？

优雅商务风，性能一鸣惊人—TCL 950体验评测

转载请注明出处。