Summary  
This chapter demonstrates how to scale features and implement DBSCAN clustering—tuning its epsilon and minimum-samples parameters—to identify arbitrarily shaped clusters and detect outliers, then visualize the results.  

General domain of usage  
Customer segmentation

Käytät **mall customers** -aineistoa, joka sisältää seuraavat sarakkeet:

Noudata myös seuraavia vaiheita ennen klusterointia:
     
1.  **Lataa data:** käytä `pandas`-kirjastoa CSV-tiedoston lataamiseen;
2.  **Valitse olennaiset ominaisuudet:** keskity sarakkeisiin `'Annual Income (k$)'` ja `'Spending Score (1-100)'`;
3.  **Datan skaalaus (tärkeää DBSCANille):** koska DBSCAN käyttää etäisyyslaskentaa, on tärkeää, että ominaisuudet ovat samalla mittakaavalla. Voit käyttää tähän tarkoitukseen `StandardScaler`-luokkaa.

## Tulosten tulkinta 

Tässä tapauksessa koodi muodostaa **5 klusteria**. On tärkeää analysoida muodostuneita klustereita, jotta voidaan saada tietoa **asiakassegmentoinnista**. Esimerkiksi klusterit voivat edustaa:

- Suurituloisia, paljon kuluttavia asiakkaita;     

- Suurituloisia, vähän kuluttavia asiakkaita;    

- Pienituloisia, paljon kuluttavia asiakkaita;     

- Pienituloisia, vähän kuluttavia asiakkaita; 

- Keskituloisia, keskimäärin kuluttavia asiakkaita.

Hanki vankka ymmärrys klusterianalyysistä, joka on keskeinen ohjaamattoman oppimisen menetelmä piilevien rakenteiden löytämiseksi merkitsemättömästä datasta. Tutustu K-Means-, hierarkkisen klusteroinnin, DBSCAN:n ja GMM:ien perusteisiin sekä saa käytännön kokemusta aidoista aineistoista, jotta voit soveltaa klusterointia luottavaisesti todellisiin ongelmiin.

Syvenny klusteroinnin perusteisiin ja selvitä, miten se eroaa luokittelusta. Tutustu keskeisiin algoritmeihin, työkaluihin ja kirjastoihin, jotka mahdollistavat tämän valvomattoman oppimisen menetelmän piilevien rakenteiden löytämiseksi datasta.

Perusteellinen ymmärrys keskeisistä esikäsittelytekniikoista, jotka varmistavat tehokkaan klusteroinnin. Puuttuvien arvojen käsittely, kategoristen ominaisuuksien koodaus, datan normalisointi sekä sopivien etäisyysmittareiden ja linkitysten valinta klusteroinnin tarkkuuden parantamiseksi.

Hallitse taidot, joita tarvitaan K-Means-klusteroinnin tehokkaaseen soveltamiseen. Opi algoritmin toimintaperiaate, optimaalisen klusterimäärän määrittäminen sekä käytännön toteutus K-Means-menetelmällä synteettisiin ja todellisiin aineistoihin.

Tutustu hierarkkisen klusteroinnin perusteisiin ja opi ryhmittelemään dataa merkityksellisiin klustereihin dendrogrammien avulla. Vahvista osaamistasi optimaalisen klusterimäärän tunnistamisessa ja menetelmän soveltamisessa sekä synteettisiin että todellisiin aineistoihin.

Tutustu siihen, miten DBSCAN tunnistaa erimuotoisia klustereita ja käsittelee kohinaa aineistossa. Ymmärrä tämän tiheysperusteisen algoritmin toimintaperiaatteet, pisteiden liittäminen klustereihin sekä sen soveltaminen sekä synteettisiin että todellisiin aineistoihin luotettavasti.

Perusteellinen ymmärrys Gaussin sekoitusmalleista ja niiden todennäköisyyspohjaisesta tavasta mallintaa monimutkaisia klusterimuotoja. Gaussin jakauman periaatteet. GMM-mallien toimintaperiaatteet. Soveltaminen sekä esimerkkiaineistoihin että todellisiin aineistoihin.

Toteutus Oikealla Tietoaineistolla

Tulosten tulkinta

Yhteenveto

Awesome!

Toteutus Oikealla Tietoaineistolla

Tulosten tulkinta

Yhteenveto