Comme nous l'avons mentionné dans le chapitre précédent, l'algorithme DBSCAN classe les points comme noyau, frontière et bruit. En conséquence, nous pouvons utiliser cet algorithme pour nettoyer nos données des valeurs aberrantes. Créons un modèle DBSCAN, nettoyons les données et regardons les résultats.

Votre tâche est d'entraîner le modèle DBSCAN sur le jeu de données de cercles, de détecter les points de bruit et de les supprimer. Regardez la visualisation et comparez les données avant et après le nettoyage. Vous devez :

1. Importer la classe DBSCAN du module sklearn.cluster.
2. Utiliser la classe DBSCAN et la méthode .fit() de cette classe.
3. Utiliser l'attribut .labels_ de la classe DBSCAN.
4. Spécifier clustering.labels_==-1 pour détecter le bruit.