11.6

今天人工智能学习了密度聚合，属于聚类方向的内容。和之前学到的划分式聚类不一样，它是依靠样本点的密度关系来划分簇，核心思路是：高密度区域被低密度区域隔开，密集聚在一起的点自成一类。
重点理解了几个关键点：
1. 核心点：自身邻域内样本数量达到阈值的点，是簇的骨架；
2. 边界点：落在核心点邻域里，但本身密度不够；
3. 噪声点：不属于任何簇的离群点。
这种算法不用提前指定聚类数量，对不规则形状的簇适配性更好，但对邻域半径、密度阈值这两个参数很敏感，参数调不好很容易把簇切碎或者把不同类别合并。
对比之前学的SVM、CNN，聚类属于无监督学习，没有标签做指导，判断结果好坏的标准也和分类任务不一样，需要多看样本分布。