常见的基于密度的聚类算法是什么？

问题： 常见的基于密度的聚类算法是 ( )

A K-means B 高斯混合聚类 C DBSCAN D 层次聚类

答案： C DBSCAN

解释：

• **DBSCAN（基于密度的噪声应用空间聚类）**是一种基于密度的聚类算法，它根据点的密度将数据点分组到簇中。它擅长识别任意形状的簇，并且可以过滤掉噪声数据。
• K-means是一种基于划分的聚类算法，它需要预先指定簇的数量（K）。它不适用于识别非球形簇或处理噪声数据。
• 高斯混合聚类是一种基于模型的聚类算法，它假设数据是从多个高斯分布的混合中生成的。它可以处理不同形状和大小的簇，但可能对噪声数据敏感。
• 层次聚类是一种构建数据点层次结构的聚类算法。它可以创建树状图来表示数据点之间的关系，但计算成本可能很高，尤其是在处理大型数据集时。

因此，在常见的基于密度的聚类算法中，正确答案是 DBSCAN。