Densitybaserade

Densitybaserade metoder är en grupp tekniker inom dataanalys och maskininlärning som bygger på begreppet lokal täthet i datautrymmet. I stället för att anta en viss klustertyp eller använda fasta gränser avgörs kluster av områden där datapunkter förekommer tätare än i omgivningen. Denna ansats gör det möjligt att fånga kluster med oregelbunden form och att särskilja brus från meningsfull struktur.

Inom klustring används densitybaserade metoder för att hitta kluster med varierande form och för att hantera brus. De kräver ofta färre förhandsantaganden om data än traditionella metoder som k-means och tillåter att outliers hanteras som brus. En central princip är att kluster definieras av regioner där densiteten överstiger en viss tröskel och där punkter nås via densitets-anslutning från kärnpunkter.

Den mest kända densitybaserade algoritmen är DBSCAN (Density-Based Spatial Clustering of Applications with Noise). Den använder två parametrar: epsilon (ε), som avgör hur nära punkter måste vara för att räknas som grannar, och minPts, det minsta antalet punkter som krävs för att bilda en tät region. Punkter klassificeras som kärnpunkter, kantpunkter eller brus. Kluster bildas av kärnpunkter och deras densitetsanslutna grannar; punkter som inte tillhör någon tät region betraktas som brus. Andra viktiga varianter inkluderar OPTICS, som ordnar punkter för att avslöja klusterstrukturer vid olika densiteter, och HDBSCAN, som hanterar varierande densitet och extraherar stabila kluster.

Användningsområden inkluderar geospatial analys, bildbehandling, bioinformatik och nätverksdata. Fördelar är förmågan att hitta kluster av olika former och att hantera brus utan att ange antalet kluster i förväg; begränsningar inkluderar känslighet för val av parametrar och utmaningar i högdimensionella data.