> ML_ALGORITHM // HIERARCHICAL-DENSITY-BASED-CLUSTERING_v1.0

HDBSCAN ve DBSCAN Yoğunluk Tabanlı Kümeleme

Belirli bir k sayısı gerektirmeden değişken yoğunluktaki kümeleri keşfeden ve gürültüyü izole eden hiyerarşik yoğunluk tabanlı kümeleme algoritması.

Density-Based Clusteringclassical-unsupervisedhigh-intrinsicmedium (1k-100k)

Hesaplama Karmaşıklığı

Eğitim (Training):O(n * log n) with spatial index

Çıkarım (Inference):O(log n) approximate prediction

Donanım Karakteristiği

CPU Uygunluğu:Evet

GPU Zorunluluğu:Hayır

Bellek Ayak İzi:moderate

Açıklanabilirlik ve Veri

Açıklanabilirlik Düzeyi:high-intrinsic

Eğitim Verisi İhtiyacı:medium (1k-100k)

Uyumsuz noktaları sahte kümelere zorlamadan açıkça bir aykırı/gürültü sınıfı (-1) üretir.

Uygun Görevler:

clusteringanomaly detection

Desteklenen Modaliteler:

tabularspatial

scikit-learnscikit-learn Consortium / Inria · v1.5.2

hdbscan

A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with NoiseMartin Ester, Hans-Peter Kriegel (1996) · ACM SIGKDD International Conference on Knowledge Discovery and Data Mining (KDD)

Density-Based Clustering Based on Hierarchical Density EstimatesRicardo J. G. B. Campello, Davoud Moulavi (2013) · Pacific-Asia Conference on Knowledge Discovery and Data Mining (PAKDD)

Sık Karşılaşılan Hatalar ve Dikkat Edilmesi Gerekenler

Boyut lanetinin karşılıklı erişilebilirlik mesafelerini tekdüze hale getirerek her şeyi gürültü olarak etiketlemesi