¿Por qué eligieron DBSCAN en lugar de clasificación para la tarea de detección de anomalías?

DBSCAN es un algoritmo de agrupamiento que es muy adecuado para detectar anomalías, ya que no requiere datos etiquetados previamente y puede identificar grupos de formas arbitrarias, así como destacar el ruido (anomalías) como puntos separados que no pertenecen a ningún grupo.

A diferencia de la clasificación, que requiere un conjunto de entrenamiento con etiquetas (normal/anormal), DBSCAN funciona en modo no supervisado, lo cual es conveniente cuando las anomalías son raras y están mal representadas en los datos. Además, los clasificadores pueden funcionar mal en clases desequilibradas, mientras que DBSCAN detecta anomalías como valores atípicos, independientemente de la distribución de clases.

Ejemplo: si tienes un conjunto de puntos con comportamiento normal, se agruparán en clústeres densos, y los puntos raros y diferentes serán marcados como ruido — estos puntos son considerados anomalías.