Dlaczego wybrano DBSCAN zamiast klasyfikacji do zadania wykrywania anomalii?

DBSCAN to algorytm grupowania, który jest bardzo odpowiedni do wykrywania anomalii, ponieważ nie wymaga uprzednio oznaczonych danych i może identyfikować skupiska dowolnego kształtu, a także wyróżnia szumy (anomalia) jako oddzielne punkty, które nie należą do żadnego skupiska.

W przeciwieństwie do klasyfikacji, która wymaga zestawu treningowego z etykietami (normalne/nieprawidłowe), DBSCAN działa w trybie bez nadzoru, co jest wygodne, gdy anomalie są rzadkie i słabo reprezentowane w danych. Ponadto, klasyfikatory mogą działać słabo przy niezrównoważonych klasach, podczas gdy DBSCAN wykrywa anomalie jako odchylenia, niezależnie od rozkładu klas.