一.简介（类似于传销，用某个数据q去发展下线p，p再去发展下线）
DBSCAN是聚类算法，优于kmeans，首选DBSCAN。
DBSCAN基于密度的、带有噪音的聚类。
二.算法需要记住的概念
①相关概念：核心点
数据q为圆心，r（超参）为半径画圆，圆内数据多余m个（超参），那么数据q为核心点。如下图：
②相关概念：直接密度可达；密度可达
======================密度可达=================
三.算法参数
参数：半径，半径内点的个数。不需要设置kmeans中的k值，自动聚成簇。到底聚成多少堆，由算法实际聚出来的。
半径r的经验值是：突变点，点q到所有点的距离d1、d2、d3、……dn，从小到大进行排序，突然d4变的很大，d3就作为半径。