机器学习实验------密度聚类方法之DB-Scan
这个代码不能复制,所以你们就自己敲吧
第1关：两点之间距离及相邻条件判断
编程要求
根据提示，在右侧编辑器补充代码，计算并输出距离样本最近的簇中心索引值。
经过上一实训，我们了解了如何计算两点之间的距离，为了简便运算，这里我们选择欧氏距离作为标准。
1）主函数将传聚类中心点的值至子函数；
2）以样本点为中心，计算样本点到各个聚类中心的距离；
3）找出样本距离最短的聚类中心点，并添加至索引号；
4）第一次聚类划分之后，将聚类点的平均值重新作为聚类中心点；
5）重新整个流程，精确聚类结果。
第2关：聚合相邻的点，统计聚类数目
编程要求
在右侧编辑器补充代码，计算在样本eps半径范围内的样本点个数以及每个类别的样本点数目。
经过上一实训，我们了解了如何计算两点之间的欧氏距离，本节我们将利用上一节实现的函数完成对在样本eps半径范围内的样本点个数的统计。
1.主函数将数据集传至子函数；
2.以样本点为中心，计算样本点到各个聚类中心的距离；
3.输出每个
