Machine learning
DBSCAN
DBSCAN은 1996년 Ester, Kriegel, Sander 및 Xu가 소개한 밀도 기반 클러스터링 알고리즘으로, 밀집된 영역에 있는 점들을 그룹화하고 희소한 영역의 점들은 노이즈로 표시합니다. 노이즈가 많은 데이터와 불규칙하고 비구형 모양의 클러스터에 효과적입니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 1). DBSCAN (Density-Based Spatial Clustering of Applications with Noise). ScholarGate. https://scholargate.app/ko/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.
Compare side by side →이 방법을 참조하는 항목
어피니티 전파 군집화BIRCH설명 가능한 DBSCAN설명 가능한 K-평균지수 무작위 그래프 모형 (ERGM / p*)가우시안 혼합 모형HDBSCAN계층적 군집화K-means 군집화지역 이상치 계수 (Local Outlier Factor, LOF)Mean ShiftOnline DBSCANOnline HDBSCAN온라인 K-평균광학Robust HDBSCAN로버스트 k-평균자기 지도 학습 기반 DBSCAN준지도학습 DBSCAN준지도 HDBSCAN준지도 학습 K-평균 (Semi-supervised K-means)스펙트럼 군집화확률적 블록 모형 (Stochastic Block Model, SBM)