测试DBSCAN聚类算法是否可行？如果可以，如何测试？

你不需要把你的数据分成测试和训练。但是，如果你想评估你的模型，你应该从你的原始数据中得到一个标记数据的样本。也有其他无监督的方法，但它们比较的是哪种聚类方法相对于你尝试的其他方法（算法或不同的超参数）表现更好。

我建议阅读-- https://scikit-learn.org/stable/modules/clustering.html 2.3.10节展示了评估聚类模型的各种方法，以及实现这些方法所需的sklearn API。

你可以根据你的问题陈述，选择最适合你要求的那一个。

对于离群点检测，使用一个实际的 离群点检测算法 而不是DBSCAN。

由DBSCAN检测到的噪声是 not 异常值相同 .例如，如果你的数据都是均匀的随机数据，这应该被认为是 "噪音"，但没有一个会是离群值。所有的数据都是正常的噪声。

让我在这里补充另一个重要的观点。

你不能测试无监督的学习方法。无监督学习方法的主要思想是定义一个非预设的目标。

Supervised learning methods in machine learning --> train/test or train/dev/test split

unsupervised learning --> no split