Clustering Algorithm Runner 技能：对比合成数据的聚类结果

Claude Code 安装步骤

从 GitHub 固定提交获取完整的 `plugins/ai-ml/clustering-algorithm-runner/skills/running-clustering-algorithms` 目录。
复制到目标项目的 `.claude/skills/`，确认 `.claude/skills/running-clustering-algorithms/SKILL.md`，再从项目根目录启动 Claude Code，输入 `/running-clustering-algorithms`。

用 Claude Code 整理无标签二维数据，运行 K-means 和 DBSCAN，比较簇数、噪声点与分布。

生成两组各 50 个二维点，中心为 (-4,0)、(4,0)，加三个远离两组的点。固定随机种子运行 K-means(k=2) 和 DBSCAN，记录 eps、min_samples 和噪声数量。

得到标注簇颜色与噪声标记的散点图。K-means 分配每个点，DBSCAN 的实际噪声数量由参数和样本决定。

GitHub 原文 · 更新日期 2026-11-13

准备 Python、scikit-learn 与固定随机种子的二维合成样本。让横纵轴量纲一致，或明确缩放方式。

按簇形状与噪声需求评估。K-means 会分配各点，DBSCAN 可以单独标记稀疏点。