Čo je to DBSCAN a ako pomáha pri odhaľovaní odľahlých hodnôt?

DBSCAN (Hustotou základené priestorové zhlukovanie s šumom) je algoritmus zhlukovania, ktorý skupinuje dátové body na základe hustoty. Vyhľadáva klastre ako oblasti s vysokou hustotou bodov a označuje body, ktoré nepatria do žiadneho klastru, ako odchýlky (šum).

Algoritmus používa dva hlavné parametre:

• eps — polomer susedstva bodu;
• minPts — minimálny počet bodov v susedstve eps na vytvorenie klastru.

Ak bod v susedstve eps má menej ako minPts susedov, považuje sa za odchýlku. Takto DBSCAN pomáha automaticky odhaliť odchýlky, oddelením zriedkavých alebo izolovaných bodov od hustých skupín dát bez potreby vopred určiť počet klastrov.

Príklad použitia v Pythone s knižnicou scikit-learn:

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_)
# Výstup: štítky klastrov, -1 označuje odchýlku