一、介绍：
聚类的时候不需要预先指定簇的个数
最终的簇的个数不定
二、三种点：
核心点：在半径Eps内含有超过MinPts数目的点
边界点：在半径Eps内点的数量小于MinPts，但是落在核心点的邻域内
噪音点：既不是核心点也不是边界点的点
三、算法流程：
1.将所有点标记为核心点、边界点或噪声点；
2.删除噪声点；
3.为距离在Eps之内的所有核心点之间赋予一条边；
4.每组连通的核心点形成一个簇；
5.将每个边界点指派到一个与之关联的核心点的簇中（哪一个核心点的半径范围之内）。
四、应用：
通过DBSCAN聚类，分析学生上网时间和上网时长的模式。
五、sklearn中DBSCAN的参数说明：
eps: 两个样本被看作邻居节点的最大距离
min_samples: 簇的样本数
metric：距离计算方式
github地址：
https://github.com/hanleirx/sklearn/tree/master/DBScan
发现很多语法都不会，看来还需要多看看文档啊
