{"id":168400,"date":"2023-04-29T22:55:57","date_gmt":"2023-04-29T21:55:57","guid":{"rendered":"https:\/\/datascientest.com\/de\/?p=168400"},"modified":"2023-10-30T08:50:33","modified_gmt":"2023-10-30T07:50:33","slug":"machine-learning-clustering","status":"publish","type":"post","link":"https:\/\/datascientest.com\/de\/machine-learning-clustering","title":{"rendered":"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"168400\" class=\"elementor elementor-168400\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-77ec9b8 e-flex e-con-boxed e-con\" data-id=\"77ec9b8\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-f379a9a elementor-widget elementor-widget-heading\" data-id=\"f379a9a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-heading-title{padding:0;margin:0;line-height:1}.elementor-widget-heading .elementor-heading-title[class*=elementor-size-]>a{color:inherit;font-size:inherit;line-height:inherit}.elementor-widget-heading .elementor-heading-title.elementor-size-small{font-size:15px}.elementor-widget-heading .elementor-heading-title.elementor-size-medium{font-size:19px}.elementor-widget-heading .elementor-heading-title.elementor-size-large{font-size:29px}.elementor-widget-heading .elementor-heading-title.elementor-size-xl{font-size:39px}.elementor-widget-heading .elementor-heading-title.elementor-size-xxl{font-size:59px}<\/style><h2 class=\"elementor-heading-title elementor-size-default\">Clustering ist eine besondere Disziplin des Machine Learning, mit dem Ziel deine Daten in homogene Gruppen mit gemeinsamen Merkmalen aufzuteilen. Ein im Marketing sehr gesch\u00e4tztes Anwendungsgebiet, zum Beispiel dort, wo oft  Kundenst\u00e4mme zu segmentieren, um bestimmte Verhaltensweisen zu erkennen.<\/h2>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-7ed0e7b e-flex e-con-boxed e-con\" data-id=\"7ed0e7b\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-5304c88 elementor-widget elementor-widget-text-editor\" data-id=\"5304c88\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-text-editor.elementor-drop-cap-view-stacked .elementor-drop-cap{background-color:#69727d;color:#fff}.elementor-widget-text-editor.elementor-drop-cap-view-framed .elementor-drop-cap{color:#69727d;border:3px solid;background-color:transparent}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap{margin-top:8px}.elementor-widget-text-editor:not(.elementor-drop-cap-view-default) .elementor-drop-cap-letter{width:1em;height:1em}.elementor-widget-text-editor .elementor-drop-cap{float:left;text-align:center;line-height:1;font-size:50px}.elementor-widget-text-editor .elementor-drop-cap-letter{display:inline-block}<\/style>\t\t\t\t<p><span style=\"font-weight: 400;\">In den vorherigen Artikeln haben wir dir zwei Clustering Algorithmen erkl\u00e4rt: clustering : <a href=\"https:\/\/datascientest.com\/de\/was-ist-k-means\">K-means<\/a> <\/span><span style=\"font-weight: 400;\">und <a href=\"https:\/\/datascientest.com\/de\/machine-learning-clustering-fokus-auf-den-cah-algorithmus\">CAH Algorithmus- hieraschische aufsteigende Klassifizierung<\/a><\/span><span style=\"font-weight: 400;\">.\u00a0<\/span><\/p><p><span style=\"font-weight: 400;\">Deshalb erscheint es uns als wichtig, diesen Lernprozess mit dem DBSCAN fortzusetzen.\u00a0<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-f1f7f0f e-flex e-con-boxed e-con\" data-id=\"f1f7f0f\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-82fab1f elementor-widget elementor-widget-heading\" data-id=\"82fab1f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">DBSCAN Algorithmus<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6054aa1 elementor-widget elementor-widget-text-editor\" data-id=\"6054aa1\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">DBSCAN ist ein sehr bekannter un\u00fcberwachter Algorithmus f\u00fcr Clustering. Er wurde 1996 von Martin Ester, Hans-Peter Kriegel, J\u00f6rg Sander und Xiawei Xu vorgeschlagen.<\/span><\/p><p><span style=\"font-weight: 400\">In diesem Artikel erkl\u00e4ren wir dir, wie er funktioniert und wie es in Python mit Hilfe von Bibliotheken wie <a href=\"https:\/\/scikit-learn.org\/stable\/\">Scikit-Learn<\/a> <\/span><span style=\"font-weight: 400\">implementiert werden kann. <\/span><span style=\"font-weight: 400\">Die Anwendungsbereiche sind vielf\u00e4ltig: Kartenanalyse, Datenanalyse, Segmentierung eines Bildes&#8230;.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-bcd711a elementor-widget elementor-widget-heading\" data-id=\"bcd711a\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-medium\">Das Prinzip<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b530342 elementor-widget elementor-widget-text-editor\" data-id=\"b530342\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Wenn Punkte und eine ganze Zahl k gegeben sind, zielt der Algorithmus darauf ab, die Punkte in k homogene und kompakte Gruppen, sogenannte Cluster, zu unterteilen. Schauen wir uns das folgende Beispiel an:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-773b8fb elementor-widget elementor-widget-image\" data-id=\"773b8fb\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<style>\/*! elementor - v3.15.0 - 02-08-2023 *\/\n.elementor-widget-image{text-align:center}.elementor-widget-image a{display:inline-block}.elementor-widget-image a img[src$=\".svg\"]{width:48px}.elementor-widget-image img{vertical-align:middle;display:inline-block}<\/style>\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"339\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/DBSCAN1-1.webp\" class=\"attachment-full size-full wp-image-168404\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/DBSCAN1-1.webp 768w, https:\/\/datascientest.com\/de\/files\/2023\/02\/DBSCAN1-1-300x132.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-9c94a6f elementor-widget elementor-widget-text-editor\" data-id=\"9c94a6f\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">DBSCAN ist ein einfacher Algorithmus, der Cluster definiert, indem er die Sch\u00e4tzung der lokalen Dichte verwendet. Er kann in vier Schritte unterteilt werden:<\/span><\/p><ul><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">F\u00fcr jede Beobachtung schaust du dir die Anzahl der Punkte an, die h\u00f6chstens einen \u03b5-Abstand von ihr entfernt sind. Diesen Bereich nennt man die \u03b5-Nachbarschaft der Beobachtung.<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Wenn eine Beobachtung mindestens eine bestimmte Anzahl von Nachbarn hat, einschlie\u00dflich sich selbst, wird sie als Kernbeobachtung betrachtet. In diesem Fall wurde eine Beobachtung mit hoher Dichte entdeckt.<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Alle Beobachtungen in der N\u00e4he einer Core-Beobachtung geh\u00f6ren zu demselben Cluster. Es k\u00f6nnen auch Herzbeobachtungen in unmittelbarer N\u00e4he zueinander sein. Das bedeutet, dass es eine lange Folge von Herzbeobachtungen gibt, die einen einzigen Cluster bilden.<\/span><\/li><li style=\"font-weight: 400\"><span style=\"font-weight: 400\">Jede Beobachtung, die keine Kernbeobachtung ist und keine Kernbeobachtung in ihrer Nachbarschaft hat, wird als Anomalie betrachtet.<\/span><\/li><\/ul>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-25e1665 elementor-widget elementor-widget-text-editor\" data-id=\"25e1665\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Du musst also zwei Informationen festlegen, bevor du den DBSCAN benutzen kannst:<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">Wie gro\u00df ist die Entfernung \u03b5, um f\u00fcr jede Beobachtung die \u03b5-Nachbarschaft zu bestimmen? Welche minimale Anzahl von Nachbarn ist notwendig, um eine Beobachtung als Kernbeobachtung zu betrachten?<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Diese beiden Informationen werden vom Nutzer frei eingegeben. Im Gegensatz zum k-Mittelwert-Algorithmus oder der hierarchischen aufsteigenden Klassifizierung muss die Anzahl der Cluster nicht vorab festgelegt werden, was den Algorithmus weniger starr macht.<\/span><\/p><p><span style=\"font-weight: 400\">Ein weiterer Vorteil von DBSCAN ist, dass es auch mit Ausrei\u00dfern oder Anomalien umgehen kann. In der obigen Abbildung siehst du, dass der Algorithmus drei Hauptcluster ermittelt hat: blau, gr\u00fcn und gelb. Die violett gef\u00e4rbten Punkte sind Anomalien, die vom DBSCAN erkannt wurden. Nat\u00fcrlich kann die Partitionierung je nach dem Wert von \u03b5 und der Anzahl der minimalen Nachbarn variieren.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-740390f elementor-widget elementor-widget-heading\" data-id=\"740390f\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h4 class=\"elementor-heading-title elementor-size-medium\">Begriff der Entfernung und Wahl des \u03b5<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-aa56001 elementor-widget elementor-widget-text-editor\" data-id=\"aa56001\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">In diesem Algorithmus sind zwei Punkte entscheidend:<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">Welche Metrik wird verwendet, um die Entfernung zwischen einer Beobachtung und ihren Nachbarn zu bewerten? was ist das ideale \u03b5?<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">In DBSCAN wird normalerweise die euklidische Distanz verwendet, d.h. p = (p1,&#8230;.,pn) und q = (q1,&#8230;.,qn):<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ca5d366 elementor-widget elementor-widget-image\" data-id=\"ca5d366\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"76\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/dbscan2-1.webp\" class=\"attachment-full size-full wp-image-168405\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/dbscan2-1.webp 768w, https:\/\/datascientest.com\/de\/files\/2023\/02\/dbscan2-1-300x30.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2adcc44 elementor-widget elementor-widget-text-editor\" data-id=\"2adcc44\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Bei jeder Beobachtung wird, um die Anzahl der Nachbarn in h\u00f6chstens einer Entfernung \u03b5 zu z\u00e4hlen, die euklidische Entfernung zwischen dem Nachbarn und der Beobachtung berechnet und \u00fcberpr\u00fcft, ob diese kleiner als \u03b5 ist.<\/span><\/p><p><span style=\"font-weight: 400\">Bleibt nun noch die Frage, wie man das richtige Epsilon ausw\u00e4hlt. Angenommen, wir entscheiden uns in unserem Beispiel daf\u00fcr, den Algorithmus mit verschiedenen Werten von \u03b5 zu testen. Hier ist das Ergebnis :<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-65bc36d elementor-widget elementor-widget-image\" data-id=\"65bc36d\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"768\" height=\"276\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/dbscan3-1.webp\" class=\"attachment-full size-full wp-image-168406\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/dbscan3-1.webp 768w, https:\/\/datascientest.com\/de\/files\/2023\/02\/dbscan3-1-300x108.webp 300w\" sizes=\"(max-width: 768px) 100vw, 768px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-8895209 elementor-widget elementor-widget-text-editor\" data-id=\"8895209\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">In allen drei Beispielen ist die minimale Anzahl an Nachbarn immer auf 5 festgelegt.<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">Wenn \u03b5 zu klein ist, ist die \u03b5-Nachbarschaft zu gering und alle Beobachtungen im Datensatz werden als Anomalien betrachtet.<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Dies ist der Fall in der linken Abbildung eps = 0,05.<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">Im Gegensatz dazu enth\u00e4lt jede Beobachtung, wenn epsilon zu gro\u00df ist, in ihrer \u03b5-Nachbarschaft alle anderen Beobachtungen des Datensatzes. Folglich erhalten wir nur einen einzigen Cluster. Es ist daher sehr wichtig, das \u03b5 gut zu kalibrieren, um eine qualitativ hochwertige Partitionierung zu erhalten.<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Eine einfache Methode, um \u03b5 zu optimieren, besteht darin, f\u00fcr jede Beobachtung zu schauen, wie weit ihr n\u00e4chster Nachbar entfernt ist. Dann kannst du einfach ein \u03b5 so festlegen, dass ein &#8222;ausreichend gro\u00dfer&#8220; Anteil der Beobachtungen einen Abstand zum n\u00e4chsten Nachbarn hat, der kleiner als \u03b5 ist. Mit &#8222;ausreichend gro\u00df&#8220; sind 90-95% der Beobachtungen gemeint, die mindestens einen Nachbarn in ihrer \u03b5-Nachbarschaft haben m\u00fcssen.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t<div class=\"elementor-element elementor-element-6ef048e e-flex e-con-boxed e-con\" data-id=\"6ef048e\" data-element_type=\"container\" data-settings=\"{&quot;content_width&quot;:&quot;boxed&quot;}\">\n\t\t\t\t\t<div class=\"e-con-inner\">\n\t\t\t\t<div class=\"elementor-element elementor-element-d5e9f2e elementor-widget elementor-widget-heading\" data-id=\"d5e9f2e\" data-element_type=\"widget\" data-widget_type=\"heading.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<h3 class=\"elementor-heading-title elementor-size-default\">Wie implementiert man DBSCAN mit Python?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4e8cd7e elementor-widget elementor-widget-text-editor\" data-id=\"4e8cd7e\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Das Training von DBSCAN wird durch die Scikit-Learn-Bibliothek erleichtert. Unser Datensatz, der als Beispiel diente, l\u00e4sst sich leicht mit der Funktion make_blobs von Scikit-Learn erstellen. Hier ist, wie sie in Code implementiert wird :<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-07940ff elementor-widget elementor-widget-shortcode\" data-id=\"07940ff\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0720f90 elementor-widget elementor-widget-text-editor\" data-id=\"0720f90\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<blockquote><p><span style=\"font-weight: 400\">Da wir nun unseren Datensatz haben, werden wir versuchen, das optimale \u03b5 zu bestimmen, um eine bessere Partitionierung unseres Datensatzes zu erreichen.<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Scikit-Learn stellt eine <a href=\"https:\/\/scikit-learn.org\/stable\/modules\/generated\/sklearn.neighbors.NearestNeighbors.html\"> Klasse NearestNeighbors<\/a> <\/span><span style=\"font-weight: 400\">zur Verf\u00fcgung, mit der die n\u00e4chsten Nachbarn jeder Beobachtung sowie die Entfernungen ermittelt werden k\u00f6nnen. Hier ist, wie man sie in Code implementiert:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-637a2db elementor-widget elementor-widget-shortcode\" data-id=\"637a2db\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-4654dc9 elementor-widget elementor-widget-text-editor\" data-id=\"4654dc9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Hier ist das Ergebnis:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-6dd9b2b elementor-widget elementor-widget-image\" data-id=\"6dd9b2b\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"460\" height=\"309\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/nearestneighbors-1.webp\" class=\"attachment-full size-full wp-image-168413\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/nearestneighbors-1.webp 460w, https:\/\/datascientest.com\/de\/files\/2023\/02\/nearestneighbors-1-300x202.webp 300w\" sizes=\"(max-width: 460px) 100vw, 460px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-0574818 elementor-widget elementor-widget-text-editor\" data-id=\"0574818\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Wie wir zuvor gesehen haben, werden wir ein \u03b5 so w\u00e4hlen, dass 90% der Beobachtungen einen Abstand zum n\u00e4chsten Nachbarn haben, der kleiner als \u03b5 ist. In unserem Beispiel scheint 0,2 geeignet zu sein.<\/span><\/p><p><span style=\"font-weight: 400\">Nun, da wir unser \u03b5 optimiert haben, k\u00f6nnen wir unsere Partitionierung mithilfe von DBSCAN durchf\u00fchren, das bereits in Scikit-Learn implementiert ist.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2206d8f elementor-widget elementor-widget-shortcode\" data-id=\"2206d8f\" data-element_type=\"widget\" data-widget_type=\"shortcode.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-shortcode\"><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-ec5f992 elementor-widget elementor-widget-text-editor\" data-id=\"ec5f992\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Hier ist das Ergebnis:<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-7af2a09 elementor-widget elementor-widget-image\" data-id=\"7af2a09\" data-element_type=\"widget\" data-widget_type=\"image.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<img decoding=\"async\" width=\"453\" height=\"315\" src=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/DBSCAN4-3.webp\" class=\"attachment-full size-full wp-image-168414\" alt=\"\" srcset=\"https:\/\/datascientest.com\/de\/files\/2023\/02\/DBSCAN4-3.webp 453w, https:\/\/datascientest.com\/de\/files\/2023\/02\/DBSCAN4-3-300x209.webp 300w\" sizes=\"(max-width: 453px) 100vw, 453px\" \/>\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-07af3b9 elementor-widget elementor-widget-text-editor\" data-id=\"07af3b9\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Mit den Argumenten eps und min_samples k\u00f6nnen die Parameter des Algorithmus festgelegt werden, n\u00e4mlich der Abstand \u03b5 und die minimale Anzahl von Nachbarn, um als Kernbeobachtung zu gelten.<\/span><\/p><p><span style=\"font-weight: 400\">Der Algorithmus hat also 3 Hauptcluster und einige Anomalien entdeckt. Jede der Beobachtungen wird mit dem Label des entsprechenden Clusters beschriftet (z. B. 0,1,2). Die Anomalien werden mit -1 beschriftet und bilden somit eine eigene Klasse zus\u00e4tzlich zu den 3 entdeckten Clustern.<\/span><\/p><p><span style=\"font-weight: 400\">Die Verwendung eines Clustering-Algorithmus wie DBSCAN ist nicht einfach, je nachdem, welche Daten du hast. Die Daten m\u00fcssen oftmals nachbearbeitet werden.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-63390f2 elementor-widget elementor-widget-text-editor\" data-id=\"63390f2\" data-element_type=\"widget\" data-widget_type=\"text-editor.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t\t\t<p><span style=\"font-weight: 400\">Hat dir diese Serie \u00fcber Clustering gefallen? In den <strong>DataScientest-Schulungen<\/strong> lernst du, alle wichtigen Clustering-Algorithmen zu beherrschen und sie in Datens\u00e4tzen zu interpretieren.<\/span><\/p>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-447c001 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"447c001\" data-element_type=\"widget\" data-widget_type=\"button.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t\t\t<div class=\"elementor-button-wrapper\">\n\t\t\t<a class=\"elementor-button elementor-button-link elementor-size-md\" href=\"https:\/\/datascientest.com\/de\/unsere-aus-und-weiterbildungen\">\n\t\t\t\t\t\t<span class=\"elementor-button-content-wrapper\">\n\t\t\t\t\t\t<span class=\"elementor-button-text\">Entdecken Sie die DataScientest-Schulungen<\/span>\n\t\t<\/span>\n\t\t\t\t\t<\/a>\n\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t<\/div>\n\t\t","protected":false},"excerpt":{"rendered":"<p>Clustering ist eine besondere Disziplin des Machine Learning, mit dem Ziel deine Daten in homogene Gruppen mit gemeinsamen Merkmalen aufzuteilen. Ein im Marketing sehr gesch\u00e4tztes Anwendungsgebiet, zum Beispiel dort, wo oft Kundenst\u00e4mme zu segmentieren, um bestimmte Verhaltensweisen zu erkennen. In den vorherigen Artikeln haben wir dir zwei Clustering Algorithmen erkl\u00e4rt: clustering : K-means und CAH [&hellip;]<\/p>\n","protected":false},"author":47,"featured_media":168401,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2454],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO Premium plugin v21.7 (Yoast SEO v21.7) - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus<\/title>\n<meta name=\"description\" content=\"DBSCAN ist ein beliebter un\u00fcberwachter Algorithmus im Clustering, einer Kerndisziplin des Machine Learning. Erfahren Sie mehr \u00fcber seine Funktionsweise!\" \/>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/datascientest.com\/de\/machine-learning-clustering\" \/>\n<meta property=\"og:locale\" content=\"de_DE\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus\" \/>\n<meta property=\"og:description\" content=\"Clustering ist eine besondere Disziplin des Machine Learning, mit dem Ziel deine Daten in homogene Gruppen mit gemeinsamen Merkmalen aufzuteilen. Ein im\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/de\/machine-learning-clustering\" \/>\n<meta property=\"og:site_name\" content=\"Weiterbildung Data Science | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2023-04-29T21:55:57+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T07:50:33+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/02\/DBSCAN4-2.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"453\" \/>\n\t<meta property=\"og:image:height\" content=\"315\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"Adriano R\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:creator\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:site\" content=\"@DataScientest__\" \/>\n<meta name=\"twitter:label1\" content=\"Verfasst von\" \/>\n\t<meta name=\"twitter:data1\" content=\"Adriano R\" \/>\n\t<meta name=\"twitter:label2\" content=\"Gesch\u00e4tzte Lesezeit\" \/>\n\t<meta name=\"twitter:data2\" content=\"6 Minuten\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/de\/machine-learning-clustering#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/machine-learning-clustering\"},\"author\":{\"name\":\"Adriano R\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\"},\"headline\":\"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus\",\"datePublished\":\"2023-04-29T21:55:57+00:00\",\"dateModified\":\"2023-10-30T07:50:33+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/de\/machine-learning-clustering\"},\"wordCount\":994,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/de\/machine-learning-clustering#respond\"]}],\"copyrightYear\":\"2023\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/de\/machine-learning-clustering\",\"url\":\"https:\/\/datascientest.com\/de\/machine-learning-clustering\",\"name\":\"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/de\/#website\"},\"datePublished\":\"2023-04-29T21:55:57+00:00\",\"dateModified\":\"2023-10-30T07:50:33+00:00\",\"description\":\"DBSCAN ist ein beliebter un\u00fcberwachter Algorithmus im Clustering, einer Kerndisziplin des Machine Learning. Erfahren Sie mehr \u00fcber seine Funktionsweise!\",\"inLanguage\":\"de\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/de\/machine-learning-clustering\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/de\/#website\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"name\":\"Weiterbildung Data Science | DataScientest.com\",\"description\":\"F\u00fchrender Anbieter von Schulungen im Bereich Data Science\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/de\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/de\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"de\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/de\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/de\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-germany\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378\",\"name\":\"Adriano R\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"de\",\"@id\":\"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g\",\"caption\":\"Adriano R\"},\"sameAs\":[\"user\"],\"url\":\"https:\/\/datascientest.com\/de\/author\/adriano-r\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus","description":"DBSCAN ist ein beliebter un\u00fcberwachter Algorithmus im Clustering, einer Kerndisziplin des Machine Learning. Erfahren Sie mehr \u00fcber seine Funktionsweise!","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/datascientest.com\/de\/machine-learning-clustering","og_locale":"de_DE","og_type":"article","og_title":"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus","og_description":"Clustering ist eine besondere Disziplin des Machine Learning, mit dem Ziel deine Daten in homogene Gruppen mit gemeinsamen Merkmalen aufzuteilen. Ein im","og_url":"https:\/\/datascientest.com\/de\/machine-learning-clustering","og_site_name":"Weiterbildung Data Science | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2023-04-29T21:55:57+00:00","article_modified_time":"2023-10-30T07:50:33+00:00","og_image":[{"width":453,"height":315,"url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2023\/02\/DBSCAN4-2.webp","type":"image\/webp"}],"author":"Adriano R","twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Verfasst von":"Adriano R","Gesch\u00e4tzte Lesezeit":"6 Minuten"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/de\/machine-learning-clustering#article","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/machine-learning-clustering"},"author":{"name":"Adriano R","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378"},"headline":"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus","datePublished":"2023-04-29T21:55:57+00:00","dateModified":"2023-10-30T07:50:33+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/de\/machine-learning-clustering"},"wordCount":994,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"articleSection":["Data Science"],"inLanguage":"de","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/de\/machine-learning-clustering#respond"]}],"copyrightYear":"2023","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/de\/machine-learning-clustering","url":"https:\/\/datascientest.com\/de\/machine-learning-clustering","name":"Machine Learning &amp; Clustering: Fokus auf den DBSCAN Algorithmus","isPartOf":{"@id":"https:\/\/datascientest.com\/de\/#website"},"datePublished":"2023-04-29T21:55:57+00:00","dateModified":"2023-10-30T07:50:33+00:00","description":"DBSCAN ist ein beliebter un\u00fcberwachter Algorithmus im Clustering, einer Kerndisziplin des Machine Learning. Erfahren Sie mehr \u00fcber seine Funktionsweise!","inLanguage":"de","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/de\/machine-learning-clustering"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/de\/#website","url":"https:\/\/datascientest.com\/de\/","name":"Weiterbildung Data Science | DataScientest.com","description":"F\u00fchrender Anbieter von Schulungen im Bereich Data Science","publisher":{"@id":"https:\/\/datascientest.com\/de\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/de\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"de"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/de\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/de\/","logo":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/de\/wp-content\/blogs.dir\/8\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/de\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-germany\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/3d2560836c47019eb12b7b77f3a15378","name":"Adriano R","image":{"@type":"ImageObject","inLanguage":"de","@id":"https:\/\/datascientest.com\/de\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/fbfbc3a7811c63caf3333396a123058f?s=96&d=mm&r=g","caption":"Adriano R"},"sameAs":["user"],"url":"https:\/\/datascientest.com\/de\/author\/adriano-r"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/168400"}],"collection":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/comments?post=168400"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/posts\/168400\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media\/168401"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/media?parent=168400"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/categories?post=168400"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/de\/wp-json\/wp\/v2\/tags?post=168400"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}