Machine-Learning 용어정리 (DBSCAN)

---

군집화 모델

DBSCAN에 대해 알아보자

---

DBSCAN의 개념

DBSCAN이란 Density-Based Spartial Clustering of Application with Noise의 약자로

말 그대로 밀도 기반 군집화 알고리즘이다.

 

어느정도의 데이터의 밀집도를 측정한 후에 그 영역을 군집으로 만들고, 밀도가 낮은 부분은 노이즈로 처리한다.

 

 

위 사진 처럼 밀도에 따라서 군집화 시킨다.

 

 

---

용어정리

1. eps : 두 데이터 포인터가 같은 군집에 속할 수 있는 최대의 거리. 즉 이 eps밖으로 나간다면 같은 군집 아니다.
2. min_sample : 한 군집이 되기 위한 최소한의 데이터 포인트의 수.

---

작동원리

DBSCAN이 작동하는 원리에 대해서 간단히 설명해 보겠다.

 

1. 랜덤 한 데이터 포인트를 지정한다.
2. 지정된 데이터 포인트의 eps 반경 안에 있는 모든 데이터 포인트를 찾는다.
3. 만약 eps반경에 min_sample보다 많은 데이터 포인트가 있다면, 군집이 된다.
4. eps반경 안에 데이터포인트가 min_sample보다 적다면 이는 노이즈로 간주한다.
5. 모든 데이터 포인트가 군집 또는 노이즈로 분류가 될 때까지 반복한다.

 

---

장점

DBSCAN의 장점으로는 eps반경으로 데이터를 찾아 비구형 군집도 탐지가 가능하다.

 

또한 데이터에 노이즈까지 분류를 하여 효과적으로 학습할 수 있다.

 

계층적 군집화 와는 다르게, 자동으로 군집의 숫자를 최적화하여 만들어 낸다.

(대신  eps와  min_sample의 값을 넣어야 함)

 

 

 

---

실습

 

 

DBSCAN.ipynb - Colab

Google Colab Notebook

 

 

 

이거는 좀 추가적으로 공부를 해 볼 필요가 있어 보인다.