Miks valiti anomaaliate tuvastamise ülesande jaoks DBSCAN, mitte klassifikatsioon?

DBSCAN on klasterdamise algoritm, mis on väga sobiv anomaaliate tuvastamiseks, kuna see ei nõua eelnevalt märgitud andmeid ja suudab tuvastada mis tahes kujuga klastre ning rõhutada müra (anomaaliaid) eraldi punktidena, mis ei kuulu ühtegi klastrisse.

Erinevalt klassifikatsioonist, mis nõuab treeningkomplekti märgistega (tavaline/ebatavaline), töötab DBSCAN juhuslikus režiimis, mis on mugav, kui anomaaliad on haruldased ja halvasti esindatud andmetes. Lisaks võivad klassifikaatorid halbade tulemuste anda ebavõrdses klassis, samas kui DBSCAN tuvastab anomaaliad kui kõrvalekaldeid, sõltumata klasside jaotusest.

Näide: kui teil on normaalset käitumist näitavate punktide kogum, siis need grupeeruvad tihedatesse klastritesse, ning haruldased, erinevad punktid märgitakse müra — neid punkte peetakse anomaaliateks.