Что такое DBSCAN и как он помогает находить выбросы?

DBSCAN (Density-Based Spatial Clustering of Applications with Noise) — это алгоритм кластеризации, который группирует точки данных на основе плотности. Он выделяет кластеры как области с высокой плотностью точек и помечает точки, которые не принадлежат ни одному кластеру, как выбросы (шум).

Алгоритм использует два основных параметра:

• eps — радиус окрестности точки;
• minPts — минимальное количество точек в eps-окрестности для формирования кластера.

Если у точки в eps-окрестности меньше minPts соседей, она считается выбросом. Таким образом, DBSCAN помогает находить выбросы, автоматически отделяя редкие или изолированные точки от плотных групп данных без необходимости заранее задавать количество кластеров.

Пример использования на Python с библиотекой scikit-learn:

from sklearn.cluster import DBSCAN
import numpy as np

X = np.array([[1, 2], [2, 2], [2, 3], [8, 7], [8, 8], [25, 80]])

clustering = DBSCAN(eps=3, min_samples=2).fit(X)
print(clustering.labels_)
# Вывод: метки кластеров, -1 означает выброс