Ein Leitfaden für den DBSCAN-Clustering-Algorithmus

In der Datenwissenschaft und beim maschinellen Lernen ist die Fähigkeit, versteckte Muster aufzudecken und ähnliche Datenpunkte zu gruppieren, eine wichtige Fähigkeit. Clustering-Algorithmen spielen bei diesem Prozess eine Schlüsselrolle. 

Clustering ist eine grundlegende Technik des maschinellen Lernens und der Datenwissenschaft, bei der ähnliche Datenpunkte gruppiert werden. Es handelt sich um eine unüberwachte Lernmethode, d.h. sie benötigt keine markierten Daten, um Muster zu finden. 

Das Hauptziel des Clustering ist es:

• Große Datensätze in sinnvolle Untergruppen vereinfachen
• Natürliche Gruppierungen innerhalb der Daten identifizieren
• Verborgene Muster und Strukturen aufdecken

Es gibt zwar zahlreiche Clustering-Algorithmen (du hast vielleicht schon von K-means oder hierarchischem Clustering gehört), aber DBSCAN bietet einzigartige Vorteile. Als dichtebasierte Methode hat DBSCAN mehrere Stärken:

1. Flexibilität in der Clusterform
2. Keine vordefinierte Anzahl von Clustern
3. Umgang mit Lärm
4. Dichte-basierte Einsicht

In diesem Artikel erfährst du, was der DBSCAN-Algorithmus ist, wie er funktioniert, wie du ihn in Python implementierst und wann du ihn in deinen Data-Science-Projekten einsetzen kannst.

Was ist DBSCAN?

DBSCAN steht für Density-Based Spatial Clustering of Applications with Noise und ist ein leistungsfähiger Clustering-Algorithmus, der Punkte gruppiert, die im Datenraum dicht beieinander liegen. Im Gegensatz zu einigen anderen Clustering-Algorithmen musst du bei DBSCAN die Anzahl der Cluster nicht im Voraus festlegen, was ihn besonders für die explorative Datenanalyse nützlich macht.

Der Algorithmus funktioniert, indem er Cluster als dichte Regionen definiert, die durch Regionen mit geringerer Dichte getrennt sind. Dieser Ansatz ermöglicht es DBSCAN, beliebig geformte Cluster zu entdecken und Ausreißer als Rauschen zu identifizieren.

DBSCAN dreht sich um drei Schlüsselkonzepte:

1. Kernpunkte: Dies sind Punkte, die mindestens eine Mindestanzahl anderer Punkte (MinPts) innerhalb eines bestimmten Abstands (ε oder Epsilon) haben.
2. Grenzpunkte: Dies sind Punkte, die innerhalb der ε-Distanz eines Kernpunkts liegen, aber selbst keine MinPts als Nachbarn haben.
3. Geräuschpunkte: Dies sind Punkte, die weder Kernpunkte noch Grenzpunkte sind. Sie sind nicht nah genug an einem Cluster, um einbezogen zu werden.

Bild vom Autor

Das obige Diagramm veranschaulicht diese Konzepte. Kernpunkte (blau) bilden das Herz von Clustern, Randpunkte (orange) liegen am Rand von Clustern und Rauschpunkte (rot) sind isoliert.

DBSCAN verwendet zwei Hauptparameter:

• ε (epsilon): Der maximale Abstand zwischen zwei Punkten, damit sie als Nachbarn betrachtet werden.
• MinPts: Die Mindestanzahl von Punkten, die erforderlich ist, um eine dichte Region zu bilden.

Indem du diese Parameter anpasst, kannst du steuern, wie der Algorithmus die Cluster definiert, damit er sich an verschiedene Arten von Datensätzen und Anforderungen an das Clustering anpassen kann.

Im nächsten Abschnitt sehen wir uns an, wie der DBSCAN-Algorithmus funktioniert und wie er Schritt für Schritt Cluster in Daten identifiziert.

Wie funktioniert DBSCAN?

Bei DBSCAN wird die Nachbarschaft jedes Punktes im Datensatz untersucht. Der Algorithmus folgt einem schrittweisen Prozess zur Identifizierung von Clustern auf der Grundlage der Dichte der Datenpunkte. Schauen wir uns an, wie DBSCAN funktioniert:

1. Parameter Auswahl
• Wähle ε (Epsilon): Der maximale Abstand zwischen zwei Punkten, damit sie als Nachbarn betrachtet werden.
• Wähle MinPts: Die Mindestanzahl von Punkten, die erforderlich ist, um eine dichte Region zu bilden.
2. Wähle einen Startpunkt
• Der Algorithmus beginnt mit einem beliebigen unbesuchten Punkt im Datensatz.
3. Untersuche die Nachbarschaft
• Es werden alle Punkte innerhalb der ε-Entfernung vom Startpunkt gefunden.
• Wenn die Anzahl der benachbarten Punkte kleiner ist als MinPts, wird der Punkt (vorerst) als Rauschen bezeichnet.
• Wenn es mindestens MinPts-Punkte innerhalb der ε-Distanz gibt, wird der Punkt als Kernpunkt markiert und ein neuer Cluster wird gebildet.
4. Erweitern Sie den Cluster
• Alle Nachbarn des Kernpunkts werden dem Cluster hinzugefügt.
• Für jeden dieser Nachbarn:
• Wenn es ein Kernpunkt ist, werden seine Nachbarn rekursiv zum Cluster hinzugefügt.
• Wenn es sich nicht um einen Kernpunkt handelt, wird er als Grenzpunkt markiert, und die Expansion wird gestoppt.
5. Wiederholen Sie den Prozess
• Der Algorithmus geht zum nächsten nicht besuchten Punkt im Datensatz.
• Die Schritte 3-4 werden wiederholt, bis alle Punkte besucht wurden.
6. Cluster abschließen
• Nachdem alle Punkte verarbeitet worden sind, identifiziert der Algorithmus alle Cluster.
• Punkte, die ursprünglich als Rauschen bezeichnet wurden, können nun Grenzpunkte sein, wenn sie sich innerhalb der ε-Distanz zu einem Kernpunkt befinden.
7. Umgang mit Lärm
• Alle Punkte, die zu keinem Cluster gehören, werden als Rauschen eingestuft.

Dieses Verfahren ermöglicht es DBSCAN, beliebig geformte Cluster zu bilden und Ausreißer effektiv zu identifizieren. Die Fähigkeit des Algorithmus, Cluster zu finden, ohne die Anzahl der Cluster im Voraus festzulegen, ist eine seiner größten Stärken.

Es ist wichtig zu beachten, dass die Wahl von ε und MinPts die Clustering-Ergebnisse erheblich beeinflussen kann. Im nächsten Abschnitt werden wir besprechen, wie man diese Parameter effektiv auswählt und Methoden wie den k-Distanzgraphen für die Parameterauswahl vorstellen.

DBSCAN Schlüsselkonzepte und Parameter

Um zu verstehen, wie DBSCAN Cluster bildet, ist es wichtig, zwei Schlüsselkonzepte zu verstehen: Dichteerreichbarkeit und Dichtekonnektivität.

Erreichbarkeit der Dichte

Ein Punkt q ist von einem Punkt p aus dicht erreichbar, wenn:

1. p ist ein Kernpunkt (hat mindestens MinPts in ε Entfernung)

2. Es gibt eine Kette von Punkten p = p₁, ..., p_n = q, wobei jeder p_i+1 direkt in der Dichte erreichbar ist von p_i.

Einfacher ausgedrückt: Du kannst q von p aus erreichen, indem du durch Kernpunkte schreitest, wobei jeder Schritt nicht größer als ε ist.

Dichte Konnektivität

Zwei Punkte p und q sind dichteverbunden, wenn es einen Punkt o gibt, so dass sowohl p als auch q von o aus dichteerreichbar sind.

Die Dichtekonnektivität ist die Grundlage für die Bildung von Clustern in DBSCAN. Alle Punkte in einem Cluster sind über die Dichte miteinander verbunden. Wenn ein Punkt über die Dichte mit einem beliebigen Punkt des Clusters verbunden ist, gehört er auch zu diesem Cluster.

Auswahl der DBSCAN-Parameter

Die Effektivität von DBSCAN hängt stark von der Wahl seiner beiden Hauptparameter ab: ε (Epsilon) und MinPts. Hier erfährst du, wie du diese Parameter auswählen kannst:

Auswählen von ε (Epsilon)

Der Parameter ε bestimmt den maximalen Abstand zwischen zwei Punkten, damit sie als Nachbarn gelten. Um ein geeignetes ε zu wählen:

1. Nutze Fachwissen: Wenn du eine Vorstellung davon hast, welche Entfernung für dein spezielles Problem sinnvoll ist, kannst du das als Ausgangspunkt nehmen.

2. K-Diagramm: Dies ist ein systematischerer Ansatz:

• Berechne für jeden Punkt den Abstand zum k-ten nächsten Nachbarn (wobei k = MinPts).
• Zeichne diese k-Entfernungen in aufsteigender Reihenfolge auf.
• Achte auf einen "Knick" in der Grafik - einen Punkt, an dem die Kurve anfängt, sich abzuflachen.
• Der ε-Wert an diesem Krümmer ist oft eine gute Wahl.

MinPts auswählen

MinPts bestimmt die Mindestanzahl von Punkten, die erforderlich ist, um eine dichte Region zu bilden. Hier sind einige Richtlinien:

1. Allgemeine Regel: Ein guter Ausgangspunkt ist die Einstellung MinPts = 2 * num_features, wobei num_features die Anzahl der Dimensionen in deinem Datensatz ist.

2. Lärmschutz: Wenn deine Daten verrauscht sind oder du kleinere Cluster erkennen willst, solltest du MinPts verringern.

3. Datensatzgröße: Bei größeren Datensätzen musst du eventuell MinPts erhöhen, um zu vermeiden, dass zu viele kleine Cluster entstehen.

Denk daran, dass die Wahl der Parameter die Ergebnisse erheblich beeinflussen kann. Es ist oft von Vorteil, mit verschiedenen Werten zu experimentieren und die resultierenden Cluster zu bewerten, um die beste Lösung für deinen spezifischen Datensatz und dein Problem zu finden.

DBSCAN in Python implementieren

In diesem Abschnitt sehen wir uns die Implementierung von DBSCAN mit Python und der scikit-learn-Bibliothek an. Wir werden den Make Moons-Datensatz verwenden, um den Prozess zu demonstrieren.

Einrichten der Umgebung

import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons
from sklearn.cluster import DBSCAN
from sklearn.neighbors import NearestNeighbors

Diese Importe bieten die notwendigen Werkzeuge für die Datenmanipulation, die Visualisierung, die Erstellung von Datensätzen und die Implementierung des DBSCAN-Algorithmus.

Erzeugen von Beispieldaten

X, _ = make_moons(n_samples=200, noise=0.05, random_state=42)

Dieser Code erstellt einen synthetischen Datensatz mit der Funktionmake_moons von scikit-learn. Hier ist eine kurze Beschreibung des Datensatzes:

Die Funktion make_moons erzeugt eine binäre Klassifizierung Datensatz, der zwei ineinander verschachtelten Halbmonden ähnelt. In unserem Fall:

• Wir erstellen 200 Stichproben (n_samples=200)
• Wir fügen eine kleine Menge Gauß'sches Rauschen (noise=0.05), um den Datensatz realistischer zu machen
• Wir setzen random_state=42 für die Reproduzierbarkeit

Dieser Datensatz eignet sich besonders gut für die Demonstration von DBSCAN, denn:

1. Sie hat eine nicht-konvexe Form, die viele Clustering Algorithmen (wie K-means) Schwierigkeiten haben würden
2. Die beiden Cluster sind klar getrennt, haben aber eine komplexe Form
3. Das zusätzliche Rauschen sorgt für ein realistischeres Szenario, in dem einige Punkte als Ausreißer eingestuft werden könnten

Lass uns diesen Datensatz visualisieren, um seine Struktur besser zu verstehen:

# Visualize the dataset
plt.figure(figsize=(10, 6))
plt.scatter(X[:, 0], X[:, 1])
plt.title('Moon-shaped Dataset')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

Dies zeigt dir die beiden sich überschneidenden Halbmondformen in unserem Datensatz, wie unten dargestellt

Bestimmung des Epsilon-Parameters

Wir verwenden die k-Distanzgraphen-Methode, um einen geeigneten Epsilon-Wert zu wählen:

1. Wir definieren eine Funktion plot_k_distance_graph die für jeden Punkt den Abstand zum k-ten nächsten Nachbarn berechnet.
2. Die Entfernungen werden sortiert und aufgezeichnet.
3. Wir suchen nach einem "Ellenbogen" im resultierenden Graphen, um Epsilon zu wählen.

# Function to plot k-distance graph
def plot_k_distance_graph(X, k):
    neigh = NearestNeighbors(n_neighbors=k)
    neigh.fit(X)
    distances, _ = neigh.kneighbors(X)
    distances = np.sort(distances[:, k-1])
    plt.figure(figsize=(10, 6))
    plt.plot(distances)
    plt.xlabel('Points')
    plt.ylabel(f'{k}-th nearest neighbor distance')
    plt.title('K-distance Graph')
    plt.show()
# Plot k-distance graph
plot_k_distance_graph(X, k=5)

Ausgabe

In unserem Beispiel, das auf dem k-Distanz-Graphen basiert, wählen wir ein Epsilon von 0,15.

DBSCAN-Clustering durchführen

Wir verwenden die DBSCAN-Implementierung von Scikit-Learn:

1. Wir setzen epsilon=0.15 basierend auf unserem k-Diagramm.
2. Wir setzen min_samples=5 (2 * num_features, da unsere Daten 2D sind).
3. Wir passen das Modell an unsere Daten an und sagen die Cluster voraus.

# Perform DBSCAN clustering
epsilon = 0.15  # Chosen based on k-distance graph
min_samples = 5  # 2 * num_features (2D data)
dbscan = DBSCAN(eps=epsilon, min_samples=min_samples)
clusters = dbscan.fit_predict(X)

Visualisierung der Ergebnisse

Wir erstellen ein Streudiagramm unserer Datenpunkte und färben sie entsprechend den ihnen zugewiesenen Clustern ein. Punkte, die als Lärm eingestuft werden, sind in der Regel anders gefärbt (oft schwarz).

# Visualize the results
plt.figure(figsize=(10, 6))
scatter = plt.scatter(X[:, 0], X[:, 1], c=clusters, cmap='viridis')
plt.colorbar(scatter)
plt.title('DBSCAN Clustering Results')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

Ausgabe

Interpretation der Ergebnisse

Zum Schluss geben wir die Anzahl der gefundenen Cluster und die Anzahl der als Lärm eingestuften Punkte aus. So erhalten wir eine schnelle Zusammenfassung der Clustering-Ergebnisse.

# Print number of clusters and noise points
n_clusters = len(set(clusters)) - (1 if -1 in clusters else 0)
n_noise = list(clusters).count(-1)
print(f'Number of clusters: {n_clusters}')
print(f'Number of noise points: {n_noise}')

Ausgabe

Anzahl von Clustern: 2

Anzahl der Rauschpunkte: 5

Diese Implementierung bietet einen kompletten Arbeitsablauf von der Datengenerierung bis zur Interpretation der Ergebnisse. Es ist wichtig zu wissen, dass du in realen Szenarien die Erzeugung von Beispieldaten durch das Laden und Vorverarbeiten deines tatsächlichen Datensatzes ersetzen würdest.

Denke daran, dass der Schlüssel zum erfolgreichen DBSCAN-Clustering oft in der Wahl der richtigen Parameter liegt. Zögere nicht, mit verschiedenen Werten für epsilon und min_samples zu experimentieren, um die beste Lösung für deinen spezifischen Datensatz zu finden.

DBSCAN vs. K-Means

Obwohl sowohl DBSCAN als auch K-Means beliebte Clustering-Algorithmen sind, haben sie unterschiedliche Eigenschaften, die sie für verschiedene Arten von Daten und Anwendungsfälle geeignet machen. Vergleichen wir diese beiden Algorithmen, um zu verstehen, wann man sie einsetzen sollte.

Visueller Vergleich

Um diese Unterschiede zu verdeutlichen, wenden wir beide Algorithmen auf unseren mondförmigen Datensatz an

from sklearn.cluster import KMeans

# DBSCAN clustering
dbscan = DBSCAN(eps=0.15, min_samples=5)
dbscan_labels = dbscan.fit_predict(X)

# K-Means clustering
kmeans = KMeans(n_clusters=2, random_state=42)
kmeans_labels = kmeans.fit_predict(X)

# Visualize the results
fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(15, 6))

ax1.scatter(X[:, 0], X[:, 1], c=dbscan_labels, cmap='viridis')
ax1.set_title('DBSCAN Clustering')

ax2.scatter(X[:, 0], X[:, 1], c=kmeans_labels, cmap='viridis')
ax2.set_title('K-Means Clustering')

plt.show()

Dieser Code wendet sowohl DBSCAN als auch K-Means auf unseren Datensatz an und stellt die Ergebnisse nebeneinander dar.

Ausgabe

Du wirst feststellen, dass

1. DBSCAN identifiziert die beiden Halbmondformen korrekt als separate Cluster.
2. K-Means hat mit der nicht-konvexen Form zu kämpfen und teilt einen Mond oft in zwei Cluster auf oder kombiniert Teile beider Monde zu einem Cluster.
3. DBSCAN kann einige Punkte als Rauschen identifizieren (in der Regel mit unterschiedlichen Farben), während K-Means jeden Punkt einem Cluster zuordnet.

Wann solltest du DBSCAN verwenden?

Nachdem wir nun gesehen haben, wie DBSCAN funktioniert und es mit K-Means verglichen haben, wollen wir sehen, wann DBSCAN die richtige Wahl für unsere Clustering-Anforderungen ist. Die einzigartigen Eigenschaften von DBSCAN machen es besonders geeignet für bestimmte Datentypen und Problemdomänen.

Komplexe Clusterformen 

In Anlehnung an unseren vorherigen Vergleich zeigt sich, dass DBSCAN bei nicht-globulären Clusterformen wirklich glänzt. Wenn deine Daten willkürliche Muster bilden, wie die Halbmonde, die wir zuvor untersucht haben, ist DBSCAN wahrscheinlich besser als traditionelle Algorithmen wie K-Means. 

Bei der geografischen Analyse bilden zum Beispiel natürliche Formationen wie Flusssysteme oder die Ausbreitung von Städten oft unregelmäßige Formen, die DBSCAN effektiv identifizieren kann.

Unbekannte Anzahl von Clustern

Einer der wichtigsten Vorteile von DBSCAN ist die Möglichkeit, die Anzahl der Cluster automatisch zu bestimmen. Dies ist vor allem bei der explorativen Datenanalyse nützlich, wenn du keine Vorkenntnisse über die zugrunde liegende Struktur deiner Daten hast. 

Betrachte ein Marktsegmentierungsproblem: Du weißt vielleicht nicht im Voraus, wie viele verschiedene Kundengruppen es gibt. DBSCAN kann helfen, diese Segmente aufzudecken, ohne dass du die Anzahl der Cluster schätzen musst.

Datensätze mit Rauschen 

Der Ansatz von DBSCAN zur Behandlung von Rauschpunkten macht es robust gegenüber Ausreißern. Dies ist in vielen realen Datensätzen, in denen Messfehler oder Anomalien häufig vorkommen, von entscheidender Bedeutung.

In Systemen zur Erkennung von Anomalien in der Netzwerksicherheit kann DBSCAN zum Beispiel effektiv normale Netzwerkverkehrsmuster von potenziellen Sicherheitsbedrohungen unterscheiden.

Unterschiedliche Clusterdichten

Im Gegensatz zu K-Means, das von Clustern mit ähnlicher Dichte ausgeht, kann DBSCAN Cluster mit unterschiedlicher Dichte identifizieren. Dies ist besonders nützlich, wenn einige Gruppen in deinen Daten dichter beieinander liegen als andere.

Ein Beispiel dafür ist die Analyse von Galaxienverteilungen in der Astronomie, wo verschiedene Regionen des Weltraums unterschiedliche Dichten von Himmelsobjekten aufweisen.

Obwohl DBSCAN sehr leistungsfähig ist, solltest du dir seiner Grenzen bewusst sein:

1. Parameter Empfindlichkeit: Wie wir bereits besprochen haben, ist die Wahl geeigneter Werte für ε und MinPts entscheidend. Schlechte Entscheidungen können zu suboptimalen Clustering-Ergebnissen führen.
2. Hochdimensionale Daten: Die Leistung von DBSCAN kann bei hochdimensionalen Daten aufgrund des "Fluchs der Dimensionalität" abnehmen.
3. Unterschiedliche Dichten: DBSCAN kann zwar mit Clustern unterschiedlicher Dichte umgehen, aber extrem unterschiedliche Dichten in ein und demselben Datensatz können dennoch eine Herausforderung darstellen.
4. Skalierbarkeit: Bei sehr großen Datensätzen kann DBSCAN im Vergleich zu Algorithmen wie K-Means sehr rechenintensiv sein.

Im nächsten Abschnitt werden wir uns einige praktische Anwendungen von DBSCAN ansehen.

Praktische Beispiele für DBSCAN

DBSCAN findet in verschiedenen Bereichen Anwendung.

Analyse räumlicher Daten

In geografischen Informationssystemen (GIS) kann DBSCAN Gebiete mit hoher Aktivität oder Interesse identifizieren. Zum Beispiel eine Studie mit dem TitelAufdeckung menschlicher Mobilität in Städten anhand von groß angelegten Taxi-GPS-Datenzeigt, wie DBSCAN urbane Hotspots anhand von Taxi-GPS-Daten erkennen kann.

Diese Anwendung zeigt, dass DBSCAN in der Lage ist, dichte Aktivitätsregionen in räumlichen Daten zu identifizieren, was für die Stadtplanung und das Verkehrsmanagement entscheidend ist.

Bildbearbeitung 

DBSCAN kann Pixel für Aufgaben wie die Objekterkennung in Bildern zu bestimmten Objekten gruppieren. Eine Studie mit dem TitelSegmentierung von Hirntumoren aus MRT-Bildern - Analyse von K-means und DBSCAN Clusteringzeigt die Effektivität von DBSCAN in der medizinischen Bildanalyse .

Die Forscher nutzten DBSCAN, um Hirntumore in MRT-Scans genau zu segmentieren, und zeigten damit sein Potenzial für die computergestützte Diagnose und medizinische Bildgebung auf.

Erkennung von Anomalien 

Bei der Betrugserkennung oder der Überwachung des Systemzustands kann DBSCAN ungewöhnliche Muster isolieren. Eine Studie mit dem TitelEffiziente dichte- und clusterbasierte inkrementelle Ausreißererkennung in Datenströmenzeigt die Anwendung eines modifizierten DBSCAN-Algorithmus zur Erkennung von Anomalien in Echtzeit.

Die Forscher wendeten eine inkrementelle Version von DBSCAN an, um Ausreißer in Streaming-Daten zu erkennen, was potenzielle Anwendungen in der Betrugserkennung und der Überwachung des Systemzustands hat. 

Diese Studie zeigt, wie DBSCAN angepasst werden kann, um ungewöhnliche Muster in kontinuierlichen Datenströmen zu erkennen - eine wichtige Fähigkeit für Echtzeit-Betrugserkennungssysteme.

Empfehlungssysteme

DBSCAN kann Nutzer mit ähnlichen Präferenzen gruppieren und so genauere Empfehlungen aussprechen. Zum Beispiel eine Studie mit dem Titel "Multi-Cloud Based Service Recommendation System Using DBSCAN Algorithm"die Anwendung von DBSCAN zur Verbesserung des kollaborativen Filterns für Empfehlungssysteme demonstriert. Die Forscher nutzten DBSCAN als Teil eines Clustering-Ansatzes, um die Nutzer anhand ihrer Filmvorlieben und -bewertungen zu gruppieren, was die Genauigkeit der Filmempfehlungen verbesserte.

Dieser Ansatz zeigt, wie DBSCAN personalisierte Empfehlungen in Bereichen wie Entertainment-Streaming-Diensten verbessern kann.

Fazit

DBSCAN ist ein leistungsstarkes Werkzeug für Datenwissenschaftler, das vor allem bei komplexen, verrauschten Datensätzen, bei denen die Anzahl der Cluster nicht bekannt ist, von großem Nutzen ist. Aber wie jeder Algorithmus ist auch dieser keine Einheitslösung für alle. 

Der Schlüssel zum erfolgreichen Clustering liegt darin, deine Daten zu verstehen, die Stärken und Grenzen der verschiedenen Algorithmen zu kennen und das richtige Werkzeug für die Aufgabe zu wählen. In vielen Fällen kann das Ausprobieren mehrerer Clustering-Ansätze, wie DBSCAN und K-Means, und der Vergleich ihrer Ergebnisse wertvolle Einblicke in die Struktur deiner Daten liefern.

Mit etwas Übung und Erfahrung wirst du ein Gespür dafür entwickeln, wann DBSCAN die verborgenen Muster in deinen Daten aufdeckt.

Mit den folgenden Ressourcen kannst du mehr über die verschiedenen Technologien und Methoden erfahren, die wir in diesem Beitrag auf DataCamp behandelt haben: 

• Wissenschaftler/in für maschinelles Lernen in Python
• Spickzettel für unüberwachtes maschinelles Lernen
• Unüberwachtes Lernen in Python Kurs