Implementering på Eksempeldata
Du vil opprette to datasett for å demonstrere styrkene til DBSCAN:
-
Moons: to sammenflettede halvsirkler;
-
Circles: en liten sirkel inne i en større sirkel.
Algoritmen er som følger:
-
Du oppretter et
DBSCAN
-objekt og settereps
ogmin_samples
; -
Du tilpasser modellen til dataene dine;
-
Du visualiserer resultatene ved å plotte datapunktene og fargelegge dem etter deres tildelte klyngeetiketter.
Justering av hyperparametere
Valget av eps
og min_samples
har stor innvirkning på resultatet av klyngingen. Eksperimenter med ulike verdier for å finne det som fungerer best for dine data. For eksempel, hvis eps
er for stor, kan alle punktene havne i én klynge. Hvis eps
er for liten, kan mange punkter klassifiseres som støy. Du kan også skalere funksjonene.
Takk for tilbakemeldingene dine!
Spør AI
Spør AI
Spør om hva du vil, eller prøv ett av de foreslåtte spørsmålene for å starte chatten vår
Awesome!
Completion rate improved to 2.94
Implementering på Eksempeldata
Sveip for å vise menyen
Du vil opprette to datasett for å demonstrere styrkene til DBSCAN:
-
Moons: to sammenflettede halvsirkler;
-
Circles: en liten sirkel inne i en større sirkel.
Algoritmen er som følger:
-
Du oppretter et
DBSCAN
-objekt og settereps
ogmin_samples
; -
Du tilpasser modellen til dataene dine;
-
Du visualiserer resultatene ved å plotte datapunktene og fargelegge dem etter deres tildelte klyngeetiketter.
Justering av hyperparametere
Valget av eps
og min_samples
har stor innvirkning på resultatet av klyngingen. Eksperimenter med ulike verdier for å finne det som fungerer best for dine data. For eksempel, hvis eps
er for stor, kan alle punktene havne i én klynge. Hvis eps
er for liten, kan mange punkter klassifiseres som støy. Du kan også skalere funksjonene.
Takk for tilbakemeldingene dine!