DBSCAN
DBSCAN to algorytm klasteryzacji oparty na gęstości, wprowadzony przez Estera, Kriegela, Sandera i Xu w 1996 roku, który grupuje punkty leżące w gęstych regionach, a punkty w rzadkich regionach oznacza jako szum. Jest skuteczny w przypadku danych zaszumionych i klastrów o nieregularnych, niesferycznych kształtach.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+15 more
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 1). DBSCAN (Density-Based Spatial Clustering of Applications with Noise). ScholarGate. https://scholargate.app/pl/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.
- Klasteryzacja hierarchicznaUczenie maszynowe↔ compare
- Random ForestUczenie maszynowe↔ compare
- Maszyna wektorów nośnych (klasyfikacja)Uczenie maszynowe↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →