რატომ შეირჩა DBSCAN ანომალიების გამოვლენის დავალებისთვის, არა კლასიფიკაცია?

DBSCAN — ეს კლასტერიზაციის ალგორითმია, რომელიც ძალიან შესაფერისია ანომალიების გამოვლენისათვის, რადგან ის არ საჭიროებს წინასწარ მონიშნულ მონაცემებს და შეუძლია იპოვოს ნებისმიერი ფორმის კლასტერები, ასევე გამოავლინოს ხმაური (ანომალიები) როგორც ცალკეული წერტილები, რომლებიც არ მიეკუთვნებიან არც ერთ კლასტერს.

სხვადასხვა კლასიფიკატორთან შედარებით, რომელიც საჭიროებს მონიშნულ სასწავლო ნაკრებს (ნორმალური/ანომალური), DBSCAN მუშაობს დაუკონტროლებელ რეჟიმში, რაც მოსახერხებელია, როდესაც ანომალიები იშვიათია და ცუდად არის წარმოდგენილი მონაცემებში. გარდა ამისა, კლასიფიკატორები შეიძლება ცუდად მუშაობდნენ არასწორად დაბალანსებულ კლასებში, მაშინ როდესაც DBSCAN იპოვის ანომალიებს როგორც გამონაკლისებს, კლასების განაწილებაზე დამოუკიდებლად.

მაგალითი: თუ გაქვთ ნორმალური ქცევით წერტილების ნაკრები, ისინი გაერთიანდებიან სქელ კლასტერებში, ხოლო იშვიათი, განსხვავებული წერტილები იქნება ნიშანდობლივი როგორც ხმაური — ეს წერტილები ითვლება ანომალიებად.