DBSCAN 的兩個關鍵超參數是什麼？
原題
企業資料分析團隊使用 DBSCAN（Density-Based Spatial Clustering of Applications with Noise）演算法進行顧客行為分群，並希望模型能自動區分主要群集與雜訊資料。在此演算法中，決定聚類結果的兩個主要超參數為下列何者？
白話
一家企業要把顧客依行為模式分群，選用 DBSCAN 這個演算法。DBSCAN 的特別之處在於：它能自動找出「主要群集」，同時把「孤立的異常點」標記為雜訊，不強迫把每個點都歸入某個群。
問你：DBSCAN 有兩個主要超參數，決定了聚類的結果，這兩個是什麼？
先自己選一個答案，再看完整解析。
一句話總結
DBSCAN 的兩個主要超參數是：鄰域半徑 Epsilon（ε），決定「多近才算鄰居」；最小點數 MinPts，決定「要幾個鄰居才算是一個密集核心點」。這兩個參數共同決定群集的形狀、大小和雜訊的比例。
情境
先感受問題：如何定義一個「聚集」的地方？
「曜群科技」的資料分析師要把 5 萬名顧客依購買行為分群，找出主要的消費族群，同時也要標記出「怪怪的異常交易」（這些不該被歸入任何正常群）。
他們選用 DBSCAN，因為它不需要事先告訴它「要分幾群」（不像 K-means 要指定 K），而且能自動把孤立點標為雜訊。
但 DBSCAN 需要你告訴它兩件事：
第一件事（ε，Epsilon）：「多近才算鄰居？」
如果兩個顧客的消費行為差距小於 ε，就算彼此的鄰居。
ε 設太小：幾乎沒有人互為鄰居，所有人都被標成雜訊。
ε 設太大：幾乎所有人都是彼此鄰居，全部被歸成一個大群。
第二件事（MinPts）：「一個點要有幾個鄰居，才算是群的核心？」
如果一個點的 ε 鄰域內有至少 MinPts 個鄰居，它就是「核心點（Core Point）」，可以形成或擴展群集。
MinPts 設太小：噪音點也變核心點，雜訊被錯誤納入群。
MinPts 設太大：密度不夠高的真實群被判為雜訊。
這就是 DBSCAN 的核心：用 ε 定義「近」，用 MinPts 定義「密」，兩個合在一起才能描述什麼叫「一個密集的群」。
舊方法
在 DBSCAN 之前，K-means 會踩哪些坑？
- 必須事先指定 K（群數）：K-means 要你告訴它「分幾群」，但曜群科技不知道顧客自然分成幾種類型，瞎猜 K 值會讓結果沒意義。
- 無法處理非球形群：K-means 把每個群想像成「球形」，如果真實的顧客群是彎曲的、弧形的分佈，K-means 就切不對，DBSCAN 可以找出任意形狀的群。
- 沒辦法自動辨識雜訊：K-means 一定會把每個點歸入某個群，連異常顧客也強制歸群，雜訊點會汙染群中心，讓群的代表性下降。
- 對離群值敏感：K-means 的群中心（Centroid）是平均值，一個極端的異常顧客就能大幅拉偏整個群的中心，讓群的描述失真。
- 結果受初始值影響：K-means 的初始群中心隨機選取，不同初始值可能得到不同結果，需要多次執行取最好的，不穩定。
新方法
ε 和 MinPts：DBSCAN 靠這兩個決定一切
曜群科技的分析師設定：ε = 0.5（消費行為向量距離 < 0.5 算鄰居），MinPts = 5（至少要有 5 個鄰居才算核心點）。
DBSCAN 的運作流程：
步驟一：對每個顧客點，找出在 ε 距離內的所有鄰居。如果鄰居數 ≥ MinPts，這個點是「核心點」。
步驟二：把互相在 ε 範圍內的核心點連在一起，形成一個群集（Cluster）。邊緣點（鄰居 < MinPts 但在某個核心點的 ε 範圍內）也納入群集但不擴展。
步驟三：不在任何核心點 ε 範圍內的點，標記為雜訊（Noise），在最終結果裡標為 -1。
ε 和 MinPts 是這個過程中唯一需要人工設定的數字，決定了所有群的形成。
這就是選項 C 講的：鄰域半徑（Epsilon ε）與最小點數（MinPts）是 DBSCAN 決定聚類結果的兩個主要超參數。
本題沒有複雜公式，但相關技術背景值得知道。
DBSCAN 的三種點分類
| 點的類型 | 條件 | 說明 |
|---|---|---|
| 核心點（Core Point） | ε 鄰域內鄰居數 ≥ MinPts | 群集的形成者，可以擴展群 |
| 邊界點（Border Point） | ε 鄰域內鄰居數 < MinPts，但在某核心點的 ε 鄰域內 | 屬於群集但不擴展，群的邊緣 |
| 雜訊點（Noise Point） | 不在任何核心點的 ε 鄰域內 | 標記為 -1，不屬於任何群 |
如何選擇合適的 ε 和 MinPts？
MinPts 的經驗法則：MinPts ≥ 資料維度 D + 1，通常設為 2D 到 5D 之間。資料維度高或資料有雜訊時，MinPts 要設更大。
ε 的選擇方法：k-distance 圖。對每個點計算它到第 k 個最近鄰居的距離（k = MinPts - 1），從小到大排序畫成圖，圖中出現「手肘（elbow）」的位置就是建議的 ε 值。
ε 太小 → 大多數點被標為雜訊，群太零散 ε 太大 → 所有點都在同一個群，沒有分群效果 MinPts 太小 → 雜訊點也形成群，假群太多 MinPts 太大 → 真實的小群被標為雜訊
DBSCAN vs K-means 的超參數比較
| 特性 | K-means | DBSCAN |
|---|---|---|
| 超參數 | K（群數） | ε 和 MinPts |
| 需要事先知道群數 | 是 | 否 |
| 能處理任意形狀 | 否（只有球形） | 是 |
| 自動識別雜訊 | 否 | 是 |
| 對離群值敏感 | 是（影響 Centroid） | 否（標為雜訊） |
| 計算複雜度 | O(nKt)，n 樣本數 K 群數 t 迭代 | O(n log n)，使用空間索引時 |
DBSCAN 的限制
高維資料問題：維度詛咒（Curse of Dimensionality）讓距離計算失去意義，ε 很難設定，建議先做降維（PCA）。密度差異大的群：如果資料中有的群很密集、有的很鬆散，單一 ε 無法兼顧，這時可考慮 HDBSCAN（Hierarchical DBSCAN）。
錯選項
為什麼其他選項是錯的
A特徵數與學習率
字面在說什麼
DBSCAN 的兩個主要超參數是資料有幾個特徵，以及學習率的設定。
為什麼不對
「特徵數」是資料本身的屬性，不是演算法的超參數（你不需要「設定」特徵數，它由資料決定）。「學習率」是梯度下降訓練中用的概念，DBSCAN 是一個基於密度的聚類演算法，完全沒有梯度下降、沒有訓練過程，根本不需要學習率。
誰會選錯
把「深度學習超參數」和「聚類演算法超參數」混在一起的人。學習率是神經網路的概念，DBSCAN 屬於傳統機器學習中的非監督式學習，運作原理完全不同。
BK 值與距離閾值
字面在說什麼
DBSCAN 的超參數是群數 K 和某個距離閾值。
為什麼不對
「K 值」是 K-means 演算法的超參數，DBSCAN 的核心優點之一就是「不需要指定 K（群數）」，演算法自動決定群的數量。雖然 ε 確實是一種距離閾值，但配對的超參數是 MinPts，不是 K 值。這個選項把 K-means 的概念混入 DBSCAN，是考試常見的混淆陷阱。
誰會選錯
聚類演算法學了 K-means 之後，直接把「K 值」的概念套過來，以為所有聚類都要指定 K 的人。DBSCAN 的「D」和「B」代表 Density-Based（基於密度），和 K 值無關。
D交叉熵與權重初始化
字面在說什麼
DBSCAN 的超參數是 Cross Entropy 損失函數和神經網路的權重初始化方式。
為什麼不對
Cross Entropy（交叉熵）是神經網路分類任務的損失函數，DBSCAN 不是神經網路，沒有損失函數、沒有反向傳播，Cross Entropy 在這裡完全不適用。「權重初始化」也是神經網路訓練的概念，和 DBSCAN 毫無關係。這個選項考的是「你能不能分辨聚類演算法和神經網路的差異」。
誰會選錯
對神經網路比較熟，聽到「AI 模型」就自動聯想到神經網路超參數，忘記聚類是一類完全不同的演算法的人。
變形題
同個考點下次怎麼變形
答案
所有點都在彼此的 ε 鄰域內，每個點的鄰居數都 ≥ MinPts，所以所有點都是核心點，整個資料集形成一個大群，沒有任何雜訊。等於沒有分群，只有一個群包含所有資料。ε = 無限大讓 DBSCAN 的分群功能完全失效。
答案
高維空間中，所有點之間的距離都趨向相等（維度詛咒），導致 ε 很難區分「近」和「遠」，幾乎所有點的鄰居數都差不多。ε 稍微大一點全部擠成一群，稍微小一點全部變雜訊，調參極度困難。通常需要先用 PCA 或 UMAP 降維到 2D/3D 再跑 DBSCAN。
答案
DBSCAN 使用固定的 ε，對密度不均的資料（有的群很密、有的很鬆散）表現不好。HDBSCAN（Hierarchical DBSCAN）不需要設定 ε，它在不同密度層次建立樹狀結構，自動找出最「穩定」的群集，可以同時處理密度差異大的群，實務上通常比 DBSCAN 更好用。
答案
可以，而且很常用。DBSCAN 自動把孤立點標為雜訊（Noise，標籤 -1），這些雜訊點就是「與任何群集都格格不入的異常點」。在信用卡詐騙、工廠設備故障偵測等場景，DBSCAN 的雜訊點直接對應異常樣本，是一種無需標籤的異常偵測方法（Unsupervised Anomaly Detection）。
答案
聚類是非監督式學習，通常沒有「正確答案」，評估方法分兩類：內部指標（不需要真實標籤）如輪廓係數（Silhouette Score，衡量同群緊密、異群分離），以及外部指標（有真實標籤可對比）如調整蘭德指數（Adjusted Rand Index）。DBSCAN 的 ε 和 MinPts 通常用輪廓係數調整。
延伸
想再往下看，這 5 個
- 密度分群（Density-Based Spatial Clustering）
DBSCAN 的核心演算法族，不需預設群數，以鄰域密度定義群集，自動將孤立點標為雜訊，正解考點所在。 - 超參數（Hyperparameter）
訓練前人工設定的模型設計參數，ε 和 MinPts 正是 DBSCAN 的兩個超參數，不同於模型自動學習的權重。 - K 均值分群（K-Means Clustering）
與 DBSCAN 並列的常見聚類法，需預先指定 K 值、只能處理球形群，是理解 DBSCAN 優勢時最常對照的易混淆方法。 - 異常偵測（Anomaly Detection）
DBSCAN 自動把孤立點標為雜訊（標籤 -1），可直接作為無監督異常偵測工具，延伸至詐欺偵測、設備故障等場景。 - 非監督式學習（Unsupervised Learning）
DBSCAN 所屬的學習範式，不需要標籤即可從資料分佈找出結構，是理解聚類演算法定位的上位概念。