Madde #56ML & Kuram/sozluk/dbscan
DBSCAN
Density-Based Spatial Clustering of Applications with Noise
Türkçe: Gürültülü Veriler İçin Yoğunluk Tabanlı Mekânsal Kümeleme
Ayrıntılı Tanım
Veri noktalarını uzaydaki yoğunluklarına göre kümeleyen; yoğun bölgeleri küme olarak tanımlayıp seyrek bölgelerdeki noktaları "gürültü/anomali" olarak dışlayan algoritmadır.
Ne İşe Yarar / Çözülen Problem
K-Means'in küme sayısı () isteme zorunluluğunu ortadan kaldırır; hilal, halka veya yılan gibi her türlü keyfi geometrik şekli mükemmel tespit eder ve aykırı değerleri ayıklar.
Nasıl Çalışır? (Teknik & Mekanizma)
İki parametre alır: (yarıçap) ve (minimum komşu sayısı). Bir noktanın çevresinde kadar nokta varsa o bir "Çekirdek Nokta"dır (Core Point). Çekirdek noktalar birbirine zincirlenerek kümeyi büyütür.
Örnek Senaryo & Pratik Uygulama
Gece çekilen uzay fotoğrafında şehir ışıklarının küme olarak tanımlanması; okyanusta tek tük yanan münferit gemi fenerlerinin ise "gürültü" sayılarak elenmesi.
Benzer Terimlerden Farkı
Küme sayısını kullanıcıdan istemez; kümeleri geometrik şekillerine göre değil yoğunluğuna göre ayırır ve aykırı değerleri kümeye zorla dahil etmez.
İlişkili Terimler (3)
Klasik Makine Öğrenmesi ve İstatistiksel Kuram
Sembolik AI, GOFAI, karar ağaçları, regresyon ve temel istatistiksel modeller.
Toplam Terim:68 Madde
Bu Kategorideki Tüm Terimleri Gör →Önceki Terim (#55)Expectation-Maximization (EM)
Sonraki Terim (#57)HDBSCAN