¿Qué es DBSCAN y cómo ayuda a detectar anomalías?

DBSCAN (Clustering Espacial Basado en Densidad de Aplicaciones con Ruido) es un algoritmo de agrupamiento que agrupa puntos de datos en función de la densidad. Destaca los clústeres como áreas con alta densidad de puntos y marca los puntos que no pertenecen a ningún clúster como valores atípicos (ruido).

El algoritmo utiliza dos parámetros principales:

• eps — radio de la vecindad del punto;
• minPts — número mínimo de puntos en la vecindad eps para formar un clúster.

Si un punto en la vecindad eps tiene menos de minPts vecinos, se considera un valor atípico. Así, DBSCAN ayuda a detectar valores atípicos, separando automáticamente puntos raros o aislados de grupos densos de datos sin necesidad de definir previamente el número de clústeres.

Ejemplo de uso en Python con la biblioteca 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_)
# Salida: etiquetas de los clústeres, -1 indica un valor atípico