Основные преимущества алгоритма DBSCAN:

• не требует априорного указания количества кластеров в данных, в отличие от метода k-средних; 2
• может находить кластеры произвольной формы, в том числе полностью окружённые другими кластерами; 12
• имеет понятие шума и устойчив к выбросам; 1
• требует всего двух параметров и в основном нечувствителен к порядку точек в базе данных; 2
• разработан для применения с базами данных, которые позволяют ускорить запросы в диапазоне значений, например, с помощью R*-дерева. 1

Основные недостатки алгоритма DBSCAN:

• не полностью однозначен: краевые точки, которые могут быть достигнуты из более чем одного кластера, могут принадлежать любому из этих кластеров, что зависит от порядка просмотра точек; 13
• качество DBSCAN зависит от функции измерения расстояния: наиболее часто используемой метрикой расстояний является евклидова метрика, которая для кластеризации данных высокой размерности может оказаться почти бесполезной; 13
• не может хорошо кластеризовать наборы данных с большой разницей в плотности. 1