詳細解釋
DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是 1996 年 Ester 等人提出的 聚類 (Spectral Clustering) 演算法。以密度為準：在給定半徑 eps 內若至少有 min_samples 個點，則該點為「核心點」；由核心點依距離擴展形成簇，無法被納入任何簇的點標為噪音（-1）。
優點：不需事先指定簇數、可得到非凸形狀、自動辨識離群點；參數 eps 與 min_samples 需依資料調整。在 機器學習 (ML) 中常用於異常檢測、空間資料分析。與 聚類 (Spectral Clustering)、機器學習 (ML) 相關；進階變體如 HDBSCAN。