Mis on DBSCAN ja kuidas see aitab väljaheidete leidmisel?

DBSCAN (Tiheduspõhise ruumilise klasterdamise ja müra) on klasterdamise algoritm, mis rühmitab andmepunkte tiheduse alusel. See tuvastab klastre kui piirkonnad, millel on kõrge punktide tihedus, ning märgib punktid, mis ei kuulu ühtegi klastrisse, kui kõrvalekalded (müra).

Algoritm kasutab kahte peamist parameetrit:

• eps — punkti ümbruse raadius;
• minPts — minimaalne punktide arv eps-ümbruses, et moodustada klaster.

Kui eps-ümbruses on vähem kui minPts naabreid, loetakse see kõrvalekaldeks. Nii aitab DBSCAN automaatselt tuvastada kõrvalekaldeid, eraldades haruldased või isoleeritud punktid tihedatest andmerühmades ilma eelnevalt klastrite arvu määramata.

Näide kasutamisest Pythonis scikit-learn raamatukoguga:

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_)
# Väljund: klastrite sildid, -1 näitab kõrvalekallet