Summary  
This chapter demonstrates how to apply the DBSCAN density-based clustering algorithm by scaling features, selecting hyperparameters (epsilon and minimum samples), fitting the model to data, detecting outliers, and visualizing the resulting clusters.  

General domain of usage  
Customer segmentation

Du skal bruke **mall customers**-datasettet, som inneholder følgende kolonner:

En unik identifikator tildelt hver kunde i datasettet.

En poengsum tildelt av kjøpesenteret basert på kundens atferd og forbruksmønster, hvor 1 er lav og 100 er høy.

Følg også disse stegene før klynging:
     
1.  **Last inn data:** bruk `pandas` for å laste inn CSV-filen;
2.  **Velg relevante variabler:** fokuser på kolonnene `'Annual Income (k$)'` og `'Spending Score (1-100)'`;
3.  **Skalering av data (viktig for DBSCAN):** siden DBSCAN benytter avstandskalkulasjoner, er det viktig å skalere variablene slik at de har lignende verdier. Du kan bruke `StandardScaler` til dette formålet.

Last ned datasettet

## Tolkning

Koden oppretter **5 klynger** i dette tilfellet. Det er viktig å analysere de resulterende klyngene for å få innsikt i **kundesegmentering**. For eksempel kan du finne klynger som representerer:

- Kunder med høy inntekt og høyt forbruk;
- Kunder med høy inntekt og lavt forbruk;
- Kunder med lav inntekt og høyt forbruk;
- Kunder med lav inntekt og lavt forbruk;
- Kunder med middels inntekt og middels forbruk.

DBSCAN er utmerket til å finne klynger med vilkårlige former og håndtere støy, noe som gjør den egnet for mange virkelige applikasjoner der data ikke er pent organisert i sfæriske klynger.

Parameterjustering kan være utfordrende. Den kan ha dårlig ytelse på datasett med svært ulike tettheter i datarommet, men det finnes varianter av DBSCAN som HDBSCAN som kan fungere bedre.

Velg DBSCAN når du mistenker ikke-sfæriske klynger, trenger å identifisere uteliggere, og ikke ønsker å forhåndsdefinere antall klynger.

Vurder alternativer som K-means hvis klyngene dine sannsynligvis er sfæriske, du trenger en svært rask algoritme, eller hvis du har god forståelse av antall klynger på forhånd.

Last ned koden for dette kapittelet

Last ned seksjonssammendrag

Få en solid forståelse av klyngeanalyse, en sentral usupervisert læringsteknikk for å avdekke mønstre i umerkede data. Utforsk det grunnleggende innen K-Means, hierarkisk klyngeanalyse, DBSCAN og GMM-er, og få praktisk erfaring med ekte datasett for å bygge selvtillit i anvendelse av klyngeanalyse på reelle problemer.

Fordyp deg i det grunnleggende innen klyngeanalyse og oppdag hvordan det skiller seg fra klassifisering. Utforsk sentrale algoritmer, verktøy og biblioteker som driver denne teknikken for ikke-veiledet læring for å avdekke skjulte mønstre i data.

Få en grundig forståelse av sentrale forhåndsbehandlingsteknikker som sikrer effektiv klyngeanalyse. Lær hvordan man håndterer manglende verdier, koder kategoriske egenskaper, normaliserer data og velger passende avstandsmål og koblinger for å øke nøyaktigheten i klyngeanalysen.

Behersk ferdighetene som kreves for å anvende K-Means-klynging effektivt. Lær hvordan algoritmen fungerer, bestem det optimale antallet klynger, og få praktisk erfaring ved å implementere K-Means på både syntetiske og virkelige datasett.

Utforsk det grunnleggende innen hierarkisk klynging og lær hvordan data kan grupperes i meningsfulle klynger ved hjelp av dendrogrammer. Bygg trygghet i å identifisere det optimale antallet klynger og implementere teknikken på både syntetiske og virkelige datasett.

Utforsk hvordan DBSCAN utmerker seg i å oppdage klynger med varierende former og håndtere støy i data. Lær mekanismene bak denne tetthetsbaserte algoritmen, hvordan punkter tilordnes klynger, og bruk den på både syntetiske og virkelige datasett med trygghet.

Få en grundig forståelse av gaussiske blandingsmodeller og hvordan de bruker sannsynlighet for å modellere komplekse klyngestrukturer. Prinsipper for gaussisk fordeling, utforskning av hvordan GMM fungerer, samt anvendelse på både dummydata og virkelige datasett.

Implementering på Virkelig Datasett

Tolkning

Avsluttende bemerkninger