Kas ir DBSCAN un kā tas palīdz atrast izņēmuma gadījumus?

DBSCAN (Blīvuma balstīts telpiskās grupēšanas ar troksni) ir klasterēšanas algoritms, kas grupē datus pēc blīvuma. Tas izceļ klasterus kā zonas ar augstu punktu blīvumu un atzīmē punktus, kas nepieder nevienam klasterim, kā izņēmumus (troksni).

Algoritms izmanto divus galvenos parametrus:

• eps — punkta apkārtnes rādiuss;
• minPts — minimālais punktu skaits eps apkārtnē, lai veidotu klasteri.

Ja punkts eps apkārtnē ir mazāk nekā minPts, tas tiek uzskatīts par izņēmumu. Tādējādi DBSCAN palīdz automātiski identificēt izņēmumus, atdalot retus vai izolētus punktus no blīviem datu grupām, iepriekš noteikt klasteru skaitu nevajag.

Python piemērs ar scikit-learn bibliotēku:

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_)
# Izvade: klasteru marķieri, -1 norāda uz izņēmumu