DBSCAN

A classe DBSCAN (Density-Based Spatial Clustering of Applications with Noise) no módulo sklearn.cluster implementa o algoritmo de agrupamento DBSCAN, que é uma técnica de agrupamento baseada em densidade. O DBSCAN é amplamente utilizado para identificar grupos de pontos de dados em um espaço multidimensional com base na densidade espacial, sem a necessidade de especificar o número de clusters antecipadamente. Essa classe permite a aplicação do DBSCAN a conjuntos de dados em Python.

Sintaxe §

from sklearn.cluster import DBSCAN
 
dbscan = DBSCAN(eps=1.0, min_samples=2)

Principais parâmetros §

• eps: O parâmetro eps (epsilon) define a distância máxima entre dois pontos de dados para que eles sejam considerados vizinhos. É a principal métrica que determina a densidade dos pontos. Pontos dentro dessa distância uns dos outros serão considerados parte do mesmo cluster. Escolher o valor adequado de eps é crítico e depende da natureza do conjunto de dados.

• min_samples: O parâmetro min_samples define o número mínimo de pontos que devem estar dentro do raio eps para que um ponto seja considerado um “ponto central”. Pontos centrais são usados para formar clusters. É importante ajustar esse valor de acordo com a densidade esperada dos clusters.

Principais métodos §

• fit(X): Este método é usado para ajustar o modelo DBSCAN aos dados de entrada X. Os dados devem ser fornecidos como uma matriz, onde cada linha representa um ponto de dados e cada coluna representa uma característica.

• fit_predict(X): Este método ajusta o modelo DBSCAN aos dados de entrada X e retorna as etiquetas de cluster para cada ponto de dados. Os pontos que não pertencem a nenhum cluster são rotulados como -1, indicando ruído.

• labels_: Atributo que armazena as etiquetas de cluster atribuídas a cada ponto de dados após o ajuste do modelo.

• core_sample_indices_: Atributo que fornece os índices dos pontos centrais no conjunto de dados.

• components_: Atributo que retorna os pontos de dados que fazem parte dos clusters, excluindo os pontos de ruído.

Exemplo:

from sklearn.cluster import DBSCAN
import numpy as np
 
# Criar um conjunto de dados de exemplo (array NumPy)
X = np.array([[1, 2], [1, 4], [1, 0], [4, 2], [4, 4], [4, 0]])
 
# Criar um objeto DBSCAN com parâmetros personalizados
dbscan = DBSCAN(eps=1.0, min_samples=2)
 
# Ajustar o modelo aos dados e obter as etiquetas de cluster
labels = dbscan.fit_predict(X)
 
# Exibir as etiquetas de cluster atribuídas a cada ponto
print(labels)

Neste exemplo, o DBSCAN é aplicado a um conjunto de dados simples, onde eps é a distância máxima entre pontos para formar um cluster e min_samples é o número mínimo de pontos em um cluster. O método fit_predict é usado para atribuir etiquetas de cluster a cada ponto de dados com base nas configurações definidas.

O DBSCAN é uma ferramenta útil para identificar grupos em conjuntos de dados onde o número de clusters não é conhecido antecipadamente e onde os clusters podem ter formas complexas e densidades variáveis.