Por que escolheram o DBSCAN em vez de classificação para a tarefa de deteção de anomalias?

O DBSCAN é um algoritmo de agrupamento que é muito adequado para detectar anomalias, pois não requer dados rotulados previamente e pode identificar clusters de formas arbitrárias, bem como destacar o ruído (anomalias) como pontos separados que não pertencem a nenhum cluster.

Ao contrário da classificação, que requer um conjunto de treino com etiquetas (normal/anormal), o DBSCAN funciona em modo não supervisionado, o que é conveniente quando as anomalias são raras e mal representadas nos dados. Além disso, os classificadores podem funcionar mal com classes desequilibradas, enquanto o DBSCAN detecta anomalias como valores atípicos, independentemente da distribuição das classes.

Exemplo: se você tiver um conjunto de pontos com comportamento normal, eles serão agrupados em clusters densos, e pontos raros e diferentes serão marcados como ruído — esses pontos são considerados anomalias.