Ομαδοποίηση DBSCAN

Το DBSCAN σημαίνει χωρική ομαδοποίηση εφαρμογών με θόρυβο βάσει πυκνότητας. Ορίζει τοπικές γειτονιές χρησιμοποιώντας ένα έψιλον ακτίνας και έναν ελάχιστο αριθμό σημείων min_samples. Ένα κεντρικό σημείο έχει αρκετές παρατηρήσεις στη γειτονιά του για να καλύψει το κατώφλι. Ένα σύμπλεγμα μεγαλώνει συνδέοντας σημεία πυρήνα προσβάσιμα από την πυκνότητα. Σημεία κοντά σε ένα κεντρικό σημείο αλλά με πολύ λίγους γείτονες για να είναι πυρήνα μπορεί να είναι συνοριακά σημεία. Οι παρατηρήσεις που δεν έχουν αντιστοιχιστεί σε ένα σύμπλεγμα αντιμετωπίζονται ως θόρυβος ή ακραίες τιμές για αυτήν την εκτέλεση. Σε αντίθεση με το k-means, το DBSCAN δεν απαιτεί τον αριθμό των συστάδων ως είσοδο και μπορεί να αναγνωρίσει καμπύλες ή ακανόνιστου σχήματος πυκνές περιοχές. Η έννοια της πυκνότητας εξαρτάται από τη μέτρηση της απόστασης, την κλίμακα χαρακτηριστικών και τις παραμέτρους. Ένα πολύ μικρό έψιλον μπορεί να χαρακτηρίσει πολλά σημεία ως θόρυβο. ένα πολύ μεγάλο έψιλον μπορεί να συγχωνεύσει κοντινές ομάδες. Η αύξηση των min_samples απαιτεί γενικά πιο πυκνή υποστήριξη για την κατάσταση του πυρήνα. Η επιλογή παραμέτρων θα πρέπει να αντικατοπτρίζει τη σημαντική κλίμακα γειτονιάς και να ελέγχεται με γνώσεις τομέα, όχι να επιλέγεται αποκλειστικά για να ληφθεί ένας ελκυστικός αριθμός συμπλεγμάτων. Ένα ενιαίο όριο παγκόσμιας πυκνότητας μπορεί να δυσκολευτεί όταν ένα γνήσιο σύμπλεγμα είναι πολύ λιγότερο πυκνό από ένα άλλο. Η συγκέντρωση υψηλών διαστάσεων απόστασης μπορεί επίσης να αποδυναμώσει τη διαίσθηση της γειτονιάς. Το αποτέλεσμα μπορεί να ποικίλλει ανάλογα με τη μέτρηση της απόστασης και την αναπαράσταση χαρακτηριστικών. Στο scikit-learn, η ετικέτα -1 υποδηλώνει θόρυβο και τα σημεία συνόρων που σχετίζονται με πολλαπλά συμπλέγματα μπορούν να οδηγήσουν σε λεπτομέρειες ανάθεσης που εξαρτώνται από την υλοποίηση. Η ετικέτα θορύβου του DBSCAN δεν σημαίνει ότι ένα σημείο είναι λανθασμένο, επικίνδυνο ή μόνιμα έξω από κάθε σύμπλεγμα. σημαίνει ότι το σημείο δεν εκχωρήθηκε σύμφωνα με αυτήν τη μέτρηση και την παραμετροποίηση. Αξιολογήστε τη σταθερότητα του συμπλέγματος σε λογικές ρυθμίσεις, ελέγξτε πόσα σημεία είναι θόρυβος και εάν τα συμπλέγματα έχουν νόημα για την εργασία. Εάν κάθε σημείο πρέπει να εκχωρηθεί ή οι πυκνότητες συστάδων διαφέρουν σημαντικά, συγκρίνετε με άλλες μεθόδους. Σε αντίθεση με τις μεθόδους που βασίζονται στο κέντρο, το DBSCAN δεν παρέχει φυσικά κανόνα πρόβλεψης για την εκχώρηση αυθαίρετων νέων σημείων χωρίς πρόσθετο σχεδιασμό. Κλιμάκωση εγγράφων, μετρικά, epsilon και min_samples ώστε να μπορούν να αναπαραχθούν τα αποτελέσματα.