DBSCAN
DBSCAN est un algorithme de partitionnement basé sur la densité, introduit par Ester, Kriegel, Sander et Xu en 1996, qui regroupe les points situés dans des régions denses et signale les points dans des régions éparses comme bruit. Il est efficace sur des données bruitées et sur des clusters de formes irrégulières et non sphériques.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 1). DBSCAN (Density-Based Spatial Clustering of Applications with Noise). ScholarGate. https://scholargate.app/fr/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.
- Regroupement hiérarchiqueApprentissage automatique↔ compare
- Forêt AléatoireApprentissage automatique↔ compare
- Machine à vecteurs de support (Classification)Apprentissage automatique↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →