Wie wir im vorherigen Kapitel erwähnt haben, klassifiziert der DBSCAN-Algorithmus Punkte als Kern-, Rand- und Rauschpunkte. Dadurch können wir diesen Algorithmus verwenden, um unsere Daten von Ausreißern zu bereinigen. Lassen Sie uns ein DBSCAN-Modell erstellen, Daten bereinigen und die Ergebnisse betrachten.

Ihre Aufgabe ist es, ein DBSCAN-Modell auf dem Kreisdaten-Set zu trainieren, Rauschpunkte zu erkennen und zu entfernen. Betrachten Sie die Visualisierung und vergleichen Sie die Daten vor und nach der Bereinigung. Sie müssen:

1. Die DBSCAN-Klasse aus dem Modul sklearn.cluster importieren.
2. Die DBSCAN-Klasse und die .fit()-Methode dieser Klasse verwenden.
3. Das Attribut .labels_ der DBSCAN-Klasse verwenden.
4. clustering.labels_==-1 angeben, um Rauschpunkte zu erkennen.