DBSCAN (Density-Based Spatial Clustering of Applications with Noise) to gęstościowy algorytm klasteryzacji oparty na wyszukiwaniu obszarów o wysokim zagęszczeniu punktów. W przeciwieństwie do algorytmu K-means, DBSCAN nie wymaga wcześniejszego podawania liczby klastrów i potrafi wykrywać grupy o nieregularnych, dowolnych kształtach. Algorytm identyfikuje punkty kluczowe, brzegowe oraz szum, co czyni go wyjątkowo odpornym na wartości odbiegające i zakłócenia w danych. Do swojego działania wykorzystuje dwa główne parametry: promień sąsiedztwa (epsilon) oraz minimalną liczbę punktów wymaganą do utworzenia klastra (MinPts).
Źródło: en.wikipedia.org
