(23.02.28)Python 프로그래밍: 비지도 학습 - DBSCAN(Density-based spatial clustering of applications with noise)(연속형+ 범주형)

DBSCAN(Density-based spatial clustering of applications with noise)   :   밀도기반 clustering algorithm

 

 

https://machinelearninggeek.com/dbscan-clustering/

DBSCAN Clustering – Machine Learning Geek

 

 

core point	주어진 반경 내에 minPts 개 이상의 포인트를 가진 점
epsilon	반경
minPts	core point가 되기 위해서는 반경 내에 (core point 외에) 최소한 minPts 이상의 점이 요구됨

반경 안에 있는 점은 '직접 접근 가능한 점'

​

core point A의 반경 밖에 있지만 이 반경 안의 다른 점 B가  core point일 때 그 반경 안에 들어오는 점은 

'간접 접근 가능한 점'

​

직접 접근 가능한 점 & 간접 접근 가능한 점들을 한 cluster로 묶는다.

​

어떤 cluster에도 속하지 못하는 점들은 'outliers' outliers는 '-1'로 표시된다.

​

 

 

 

출처: https://www.reneshbedre.com/blog/dbscan-python.html

 

위 그림에서  y는 x에 의해 '직접 접근 가능한 점'

x는 p에 의해 '직접 접근 가능한 점'

따라서 y는 p에 의해 '간접 접근 가능한 점'

 

 

 

---

 

 

실습과정에선 위의 개념의 DBSCAN을 쓰기보다 이미 가공된 DF/Series를 데이터로 줘서 DBSCAN이 Gower 모듈을 사용해서 비유사도 matrix를 만들고 clustering하도록 할 것이다.

​

DBSCAN은 행 간의 비유사도를 주면 그것을 가지고 clustering을 해준다.

​

Gower: 연속형, 범주형 데이터를 모두 다룬다

Gower 사용하여 행간의 비유사도 계산 : create & return 비유사도 matrix

DBSCAN에 비유사도 matrix 전달 & clustering 요청: cluster data