🔘🔘🔘Алгоритм DBSCAN для кластеризации 🔘🔘🔘

Кластеризация — это метод, который позволяет группировать объекты в кластеры на основе их сходства. Один из популярных алгоритмов для выполнения этой задачи — DBSCAN (Density-Based Spatial Clustering of Applications with Noise).

🪅 Основные преимущества DBSCAN

🔘Сам определяет количество кластеров (в отличие от K-means),
🔘Успешно справляется с кластеризацией данных, где кластеры могут иметь сложные формы.

❔Как работает DBSCAN

1⃣ Все объекты выборки делятся на три типа: внутренние/основные точки (core points), граничные (border points) и шумовые точки (noise points). Статус каждой точки определяется по плотности соседей в пределах заданного радиуса (Eps).

2⃣ Шумовые точки убираются из рассмотрения и не приписываются ни к какому кластеру.

3⃣ Основные точки, у которых есть общая окрестность, соединяются ребром.

4⃣ В полученном графе выделяются компоненты связности.

5⃣ Каждая граничная точка относится к тому кластеру, в который попала ближайшая к ней основная точка.

DBSCAN можно назвать одним из самых сильных алгоритмов кластеризации. Однако он может долго работать, поскольку чувствителен к размерности пространства признаков.