Was ist DBSCAN und wie hilft es bei der Erkennung von Ausreißern?

DBSCAN (Dichtebasierte räumliche Clusterbildung von Anwendungen mit Rauschen) ist ein Clustering-Algorithmus, der Datenpunkte basierend auf ihrer Dichte gruppiert. Er hebt Cluster als Bereiche mit hoher Punktdichte hervor und kennzeichnet Punkte, die keinem Cluster angehören, als Ausreißer (Rauschen).

Der Algorithmus verwendet zwei Hauptparameter:

• eps — Radius der Nachbarschaft des Punkts;
• minPts — minimale Anzahl von Punkten in der eps-Nachbarschaft, um einen Cluster zu bilden.

Wenn ein Punkt in der eps-Nachbarschaft weniger als minPts Nachbarn hat, gilt er als Ausreißer. Damit hilft DBSCAN, Ausreißer zu erkennen, indem es seltene oder isolierte Punkte automatisch von dichten Datenclustern trennt, ohne die Anzahl der Cluster im Voraus festlegen zu müssen.

Beispiel für die Verwendung in Python mit der scikit-learn-Bibliothek:

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_)
# Ausgabe: Cluster-Labels, -1 bedeutet Ausreißer