В чём принципиальное различие между DBSCAN и K-Means?

DBSCAN и K-Means — это алгоритмы кластеризации, но они принципиально отличаются по подходу и применимости.

• K-Means требует заранее задать число кластеров (k). Он пытается минимизировать сумму квадратов расстояний точек до центров кластеров. Работает лучше, когда кластеры имеют примерно сферическую форму и похожий размер.

• DBSCAN не требует заранее задавать число кластеров. Он выделяет кластеры на основе плотности точек: кластеры — это области с высокой плотностью точек, разделённые областями с низкой плотностью. DBSCAN хорошо работает с кластерами произвольной формы и может выделять шум (выбросы).

Ключевое различие:

• K-Means ищет кластеры фиксированного числа, оптимизируя центры.
• DBSCAN выделяет кластеры по плотности, автоматически определяя их количество и отделяя шум.