Summary  
This chapter demonstrates how to implement density-based spatial clustering (DBSCAN) in code by loading and selecting numerical features, scaling them, fitting the DBSCAN model with tuned hyperparameters (epsilon and minimum samples), detecting clusters and outliers, and visualizing the clustered results.

General domain of usage  
Customer segmentation in retail analytics

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, ominaisuudet on tärkeää skaalata samalle vaihteluvälille. 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 valvomattoman oppimisen menetelmä mallien löytämiseen merkitsemättömästä datasta. Tutustu K-Means-, hierarkkisen klusteroinnin, DBSCAN:n ja GMM-menetelmien perusteisiin sekä saa käytännön kokemusta oikeilla aineistoilla, jotta voit soveltaa klusterointia todellisiin ongelmiin.

Perehdy 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 esikäsittelymenetelmistä, 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.

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

Toteutus Oikealla Tietoaineistolla

Tulosten tulkinta

Yhteenveto