---
title: "邊界點（Border Point）"
slug: border-point
language: zh-TW
source: https://aiterms.tw/terms/border-point
updated_at: 2026-06-22
tags: [聚類演算法, DBSCAN, 無監督學習, 機器學習基礎]
ipas_term: false
---

# 邊界點（Border Point）

DBSCAN 聚類中位於核心點鄰域內、但自身鄰域密度不足的邊緣資料點。

## 完整說明

邊界點（Border Point）是 DBSCAN 聚類演算法的三種點類型之一，指位於某核心點的 ε 鄰域內而被納入聚類、但自身鄰域內點數不足 MinPts 的邊緣點，不能擴展聚類但仍屬於聚類的外圍成員。

## 常見問題

### 邊界點、雜訊點、核心點三者之間的關係是什麼？可以互相轉換嗎？

三者的歸類完全由 ε 和 MinPts 兩個參數決定，同一個資料點在不同參數設定下可能屬於不同類別，因此可以「互相轉換」（透過調整參數）。具體關係：核心點是能向外擴展聚類的高密度點；邊界點是靠近核心點但密度不足的點；雜訊點是既不夠密集、又不靠近任何核心點的孤立點。若增大 ε，雜訊點可能變成邊界點（因為現在距核心點足夠近），邊界點可能變成核心點（因為更大鄰域內的鄰居數達到 MinPts）；若縮小 MinPts，原本勉強不夠格的邊界點可能變成核心點（因為達標門檻降低）。這說明 DBSCAN 的點分類是相對於參數設定的，不是資料本身的絕對屬性。

### 如果一個邊界點在兩個不同聚類的邊界上，DBSCAN 如何處理？

這是 DBSCAN 已知的歧義性問題。當一個邊界點同時位於聚類 A 的某核心點和聚類 B 的某核心點的 ε 鄰域內時，DBSCAN 的標準實作（如 scikit-learn）會把它分配給演算法先「發現」它的那個聚類，具體結果取決於資料遍歷的順序（實作細節），可能在不同執行間有所差異（若輸入資料順序改變）。更進階的 HDBSCAN（Hierarchical DBSCAN）透過計算「軟標籤」（soft cluster membership）更優雅地處理邊界模糊情況，為這類樣本給出屬於多個聚類的機率向量，而非強制唯一歸屬。

### 邊界點在什麼實際場景中最具有診斷價值？

邊界點在以下場景特別有診斷價值：1）入侵偵測系統（IDS）：位於「正常流量聚類邊緣」的邊界點，可能是低強度攻擊或試探性掃描（anomaly score 不夠高，傳統方法難偵測）；2）信用卡詐欺偵測：邊界點交易可能是「邊緣詐欺」，在詐欺聚類和正常交易聚類之間徘徊，需要人工複審；3）製造業品質管制：邊界點產品介於合格品與不合格品之間，可能需要額外的品質檢測程序；4）醫學診斷：邊界點患者可能代表疾病的早期或輕症狀態，在疾病聚類和健康聚類的邊緣，值得額外追蹤觀察。

---

來源：https://aiterms.tw/terms/border-point
快查頁：https://aiterms.tw/terms/border-point
最後更新：2026/06/22
深度解說：https://aiterms.tw/learning/what-is-border-point