Summary  
This chapter demonstrates how to implement and tune the DBSCAN density-based clustering algorithm, illustrating how the `eps` and `min_samples` hyperparameters affect cluster formation and how core points, border points, and noise are identified.  

General domain of usage  
Unsupervised learning (data clustering)

Luot kaksi datasarjaa havainnollistaaksesi DBSCAN-algoritmin vahvuuksia:

- **Moons:** kaksi lomittuvaa puolikuuta;
- **Circles:** pieni ympyrä suuremman ympyrän sisällä.

Algoritmi etenee seuraavasti:

1.  `DBSCAN`-olion luonti ja `eps`- sekä `min_samples`-parametrien asettaminen;

2.  Mallin sovitus dataan;

3.  Tulosten visualisointi piirtämällä **datapisteet** ja värittämällä ne niiden **klusteritunnisteiden** mukaan.

## Hyperparametrien säätäminen

`eps`- ja `min_samples`-arvojen valinta vaikuttaa merkittävästi klusteroinnin lopputulokseen. Kokeile erilaisia arvoja löytääksesi parhaiten dataasi sopivat asetukset. Esimerkiksi, jos `eps` on liian suuri, kaikki pisteet voivat päätyä **yhteen klusteriin**. Jos `eps` on liian pieni, monet pisteet voidaan luokitella **kohinaksi**. Voit myös skaalata piirteitä.

Lataa tämän luvun koodi

Hanki vankka ymmärrys klusterianalyysistä, joka on keskeinen valvomattoman oppimisen menetelmä mallien löytämiseen merkitsemättömästä datasta. Tutustu K-Means-, hierarkkisen klusteroinnin, DBSCAN:n ja GMM-menetelmien perusteisiin sekä saa käytännön kokemusta oikeilla aineistoilla, jotta voit soveltaa klusterointia todellisiin ongelmiin.

Perehdy klusteroinnin perusteisiin ja selvitä, miten se eroaa luokittelusta. Tutustu keskeisiin algoritmeihin, työkaluihin ja kirjastoihin, jotka mahdollistavat tämän valvomattoman oppimisen menetelmän piilevien rakenteiden löytämiseksi datasta.

Perusteellinen ymmärrys keskeisistä esikäsittelymenetelmistä, jotka varmistavat tehokkaan klusteroinnin. Puuttuvien arvojen käsittely, kategoristen ominaisuuksien koodaus, datan normalisointi sekä sopivien etäisyysmittareiden ja linkitysten valinta klusteroinnin tarkkuuden parantamiseksi.

Hallitse taidot, joita tarvitaan K-Means-klusteroinnin tehokkaaseen soveltamiseen. Opi algoritmin toimintaperiaate, optimaalisen klusterimäärän määrittäminen sekä käytännön toteutus K-Means-menetelmällä synteettisiin ja todellisiin aineistoihin.

Tutustu hierarkkisen klusteroinnin perusteisiin ja opi ryhmittelemään dataa merkityksellisiin klustereihin dendrogrammien avulla. Vahvista osaamistasi optimaalisen klusterimäärän tunnistamisessa ja menetelmän soveltamisessa sekä synteettisiin että todellisiin aineistoihin.

Tutustu siihen, miten DBSCAN tunnistaa erimuotoisia klustereita ja käsittelee kohinaa aineistossa. Ymmärrä tämän tiheysperusteisen algoritmin toimintaperiaatteet, pisteiden liittäminen klustereihin sekä sen soveltaminen sekä synteettisiin että todellisiin aineistoihin.

Perusteellinen ymmärrys Gaussin sekoitusmalleista ja niiden todennäköisyyspohjaisesta tavasta mallintaa monimutkaisia klusterimuotoja. Gaussin jakauman periaatteet. GMM-mallien toimintaperiaatteet. Soveltaminen sekä esimerkkiaineistoon että todellisiin aineistoihin.

Toteutus Esimerkkiaineistolla

Hyperparametrien säätäminen