DBSCAN
DBSCAN er en tæthedsbaseret klyngealgoritme, introduceret af Ester, Kriegel, Sander og Xu i 1996, som grupperer punkter, der ligger i tætte regioner, og markerer punkter i sparsomme regioner som støj. Den er effektiv på støjende data og på klynger af uregelmæssige, ikke-sfæriske former.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Kilder
- Ester, M., Kriegel, H.-P., Sander, J. & Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. Proceedings of the 2nd KDD, 226–231. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 1). DBSCAN (Density-Based Spatial Clustering of Applications with Noise). ScholarGate. https://scholargate.app/da/machine-learning/dbscan
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Hierarkisk grupperingMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
- Support Vector Machine (Klassifikation)Maskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →