{"id":166217,"date":"2022-11-30T10:44:00","date_gmt":"2022-11-30T09:44:00","guid":{"rendered":"https:\/\/datascientest.com\/es\/?p=166217"},"modified":"2023-10-30T17:45:26","modified_gmt":"2023-10-30T16:45:26","slug":"machine-learning-clustering-dbscan","status":"publish","type":"post","link":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan","title":{"rendered":"Machine Learning &amp; Clustering: el algoritmo DBSCAN"},"content":{"rendered":"\t\t<div data-elementor-type=\"wp-post\" data-elementor-id=\"166217\" class=\"elementor elementor-166217\" data-elementor-post-type=\"post\">\n\t\t\t\t\t\t\t<div class=\"elementor-element elementor-element-8eca7e2 e-flex e-con-boxed e-con\" data-id=\"8eca7e2\" 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-3560957 elementor-widget elementor-widget-text-editor\" data-id=\"3560957\" 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<h2><strong>El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas comunes. Es un campo muy popular en el marketing, por ejemplo, donde a menudo se intenta segmentar las bases de clientes para detectar comportamientos particulares.<\/strong><\/h2>\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-db76161 elementor-widget elementor-widget-text-editor\" data-id=\"db76161\" 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>En art\u00edculos anteriores, presentamos dos algoritmos de agrupaci\u00f3n: el algoritmo de K-medias\/K-means y el algoritmo CAH-clasificaci\u00f3n jer\u00e1rquica ascendente.<\/p><p>Nos parec\u00eda fundamental continuar este proceso de aprendizaje con el DBSCAN.<\/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-f9c47bd e-flex e-con-boxed e-con\" data-id=\"f9c47bd\" 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-043e373 elementor-widget elementor-widget-heading\" data-id=\"043e373\" 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><h3 class=\"elementor-heading-title elementor-size-default\">\u00bfC\u00f3mo funciona el algoritmo DBSCAN ?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2b3cd07 elementor-widget elementor-widget-text-editor\" data-id=\"2b3cd07\" 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>El <strong>DBSCAN<\/strong> es un <a href=\"https:\/\/datascientest.com\/es\/que-es-un-algoritmo\"><span style=\"text-decoration: underline\"><strong>algoritmo<\/strong><\/span><\/a> <strong>no supervisado<\/strong> muy conocido en materia de <strong>Clustering<\/strong>. Fue presentado en 1996 por Martin Ester, Hans-Peter Kriegel, J\u00f6rg Sander y Xiawei Xu.<\/p><p>En este art\u00edculo detallaremos c\u00f3mo funciona y <strong>c\u00f3mo implementarlo en Python<\/strong> utilizando librer\u00edas como <a href=\"https:\/\/datascientest.com\/es\/scikit-learn-decubre-la-biblioteca-python\"><strong><span style=\"text-decoration: underline\">Scikit-Learn<\/span><\/strong><\/a>. Sus campos de aplicaci\u00f3n son diversos: an\u00e1lisis cartogr\u00e1fico, an\u00e1lisis de datos, segmentaci\u00f3n de una imagen, etc.<\/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-53b5041 elementor-widget elementor-widget-heading\" data-id=\"53b5041\" 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-default\">El principio<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-b7e4f54 elementor-widget elementor-widget-text-editor\" data-id=\"b7e4f54\" 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>A partir de unos puntos y un n\u00famero entero k, el algoritmo pretende <strong>dividir los puntos en k grupos<\/strong>, llamados <strong>cl\u00fasteres<\/strong>, homog\u00e9neos y compactos. Veamos el siguiente ejemplo:<\/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-ad55265 elementor-widget elementor-widget-image\" data-id=\"ad55265\" 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\/es\/files\/2022\/11\/DBSCAN1.webp\" class=\"attachment-full size-full wp-image-166220\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2022\/11\/DBSCAN1.webp 768w, https:\/\/datascientest.com\/es\/files\/2022\/11\/DBSCAN1-300x132.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-216a3a4 elementor-widget elementor-widget-text-editor\" data-id=\"216a3a4\" 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\">El DBSCAN es un algoritmo sencillo que define los cl\u00fasteres mediante la <\/span><b>estimaci\u00f3n de la densidad local<\/b><span style=\"font-weight: 400\">. Se puede dividir en 4 etapas:<\/span><\/p><ul><li><span style=\"font-weight: 400\">Para cada observaci\u00f3n miramos el n\u00famero de puntos a una distancia m\u00e1xima \u03b5 de ella. Esta zona se denomina <\/span><b>\u03b5-vecindad de la observaci\u00f3n<\/b><span style=\"font-weight: 400\">.<\/span><\/li><li><span style=\"font-weight: 400\">Si una observaci\u00f3n tiene al menos un cierto n\u00famero de vecinos, incluida ella misma, se considera una <\/span><b>observaci\u00f3n central<\/b><span style=\"font-weight: 400\">. En este caso, se ha detectado una <\/span><b>observaci\u00f3n de alta densidad<\/b><span style=\"font-weight: 400\">.<\/span><\/li><li><span style=\"font-weight: 400\">Todas las observaciones en la vecindad de una observaci\u00f3n central pertenecen al mismo cl\u00faster. Puede haber observaciones centrales cercanas entre s\u00ed. <\/span><b>Por lo tanto, de un paso a otro, se obtiene una larga secuencia de observaciones centrales que constituyen un \u00fanico cl\u00faster.<\/b><\/li><li><span style=\"font-weight: 400\">Cualquier observaci\u00f3n que no sea una observaci\u00f3n central y que no tenga ninguna observaci\u00f3n central en su vecindad se considera una <\/span><b>anomal\u00eda<\/b><span style=\"font-weight: 400\">.<\/span><\/li><\/ul><p><span style=\"font-weight: 400\">Por tanto, es necesario definir dos datos antes de utilizar DBSCAN:<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">\u00bfQu\u00e9 distancia <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> hay que determinar para cada observaci\u00f3n la <\/span><b>\u03b5-<\/b><span style=\"font-weight: 400\">vecindad? \u00bfCu\u00e1l es el <\/span><b>n\u00famero m\u00ednimo de vecinos necesario<\/b><span style=\"font-weight: 400\"> para considerar una observaci\u00f3n como una <\/span><b>observaci\u00f3n central<\/b><span style=\"font-weight: 400\">?<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Estos dos datos son facilitados libremente por el usuario. A diferencia del algoritmo k-means o de la clasificaci\u00f3n jer\u00e1rquica ascendente, <\/span><b>no es necesario definir de antemano el n\u00famero de cl\u00fasteres<\/b><span style=\"font-weight: 400\">, lo que hace que el algoritmo sea menos r\u00edgido.<\/span><\/p><p><span style=\"font-weight: 400\">Otra ventaja de DBSCAN es que tambi\u00e9n permite <\/span><b>gestionar los valores at\u00edpicos o las anomal\u00edas<\/b><span style=\"font-weight: 400\">. En la figura anterior se observa que el algoritmo ha determinado 3 cl\u00fasteres principales: azul, verde y amarillo. Los puntos de color morado son anomal\u00edas detectadas por el DBSCAN. Obviamente, dependiendo del valor de <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> y del n\u00famero de vecinos m\u00ednimos, la partici\u00f3n puede variar.<\/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-758f945 elementor-widget elementor-widget-heading\" data-id=\"758f945\" 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-default\">Noci\u00f3n de distancia y elecci\u00f3n de \u03b5<\/h4>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-2834665 elementor-widget elementor-widget-text-editor\" data-id=\"2834665\" 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>En este algoritmo hay dos puntos clave:<\/p><p>\u00bfCu\u00e1l es la m\u00e9trica utilizada para evaluar la distancia entre una observaci\u00f3n y sus vecinos? \u00bfCu\u00e1l es la \u03b5 ideal?<\/p><p>En DBSCAN por lo general se utiliza la distancia euclidiana, siendo p = (p1,&#8230;.,pn) y q = (q1,&#8230;.,qn):<\/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-2b9e3ab elementor-widget elementor-widget-image\" data-id=\"2b9e3ab\" 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\/es\/files\/2022\/11\/dbscan2.webp\" class=\"attachment-full size-full wp-image-166224\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2022\/11\/dbscan2.webp 768w, https:\/\/datascientest.com\/es\/files\/2022\/11\/dbscan2-300x30.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-fcfd50a elementor-widget elementor-widget-text-editor\" data-id=\"fcfd50a\" 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\">En cada observaci\u00f3n, para contar el n\u00famero de vecinos a como m\u00e1ximo una distancia <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">, calculamos la distancia euclidiana entre el vecino y la observaci\u00f3n y comprobamos si es inferior a <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">.<\/span><\/p><p><span style=\"font-weight: 400\">Ahora queda saber c\u00f3mo elegir la \u00e9psilon correcta. Supongamos que en nuestro ejemplo elegimos probar el algoritmo con diferentes valores de <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">. Aqu\u00ed est\u00e1 el resultado:<\/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-4623a69 elementor-widget elementor-widget-image\" data-id=\"4623a69\" 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\/es\/files\/2022\/11\/dbscan3.webp\" class=\"attachment-full size-full wp-image-166225\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2022\/11\/dbscan3.webp 768w, https:\/\/datascientest.com\/es\/files\/2022\/11\/dbscan3-300x108.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-589ba1a elementor-widget elementor-widget-text-editor\" data-id=\"589ba1a\" 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\">En los tres ejemplos, el n\u00famero m\u00ednimo de vecinos est\u00e1 fijado siempre en 5.<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">Si <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> es demasiado peque\u00f1a, la <\/span><b>\u03b5-<\/b><span style=\"font-weight: 400\">vecindad es <\/span><b>demasiado peque\u00f1a<\/b><span style=\"font-weight: 400\"> y <\/span><b>todas las observaciones<\/b><span style=\"font-weight: 400\"> del conjunto de datos se consideran <\/span><b>anomal\u00edas<\/b><span style=\"font-weight: 400\">.<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Es el caso de la figura de la izquierda eps = 0,05.<\/span><\/p><blockquote><p><span style=\"font-weight: 400\">Por otro lado, si <\/span><b>\u00e9psilon es demasiado grande<\/b><span style=\"font-weight: 400\">, cada observaci\u00f3n contiene en su <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">-vecindad todas las dem\u00e1s observaciones del conjunto de datos. En consecuencia, obtenemos <\/span><b>un \u00fanico cl\u00faster<\/b><span style=\"font-weight: 400\">. Por tanto, es muy importante <\/span><b>calibrar adecuadamente la \u03b5<\/b><span style=\"font-weight: 400\"> para obtener una partici\u00f3n de calidad.<\/span><\/p><\/blockquote><p><span style=\"font-weight: 400\">Un m\u00e9todo sencillo para optimizar la <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> consiste en buscar para cada observaci\u00f3n a qu\u00e9 distancia se sit\u00faa su vecino m\u00e1s cercano. Entonces basta con fijar una <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> que permita que una proporci\u00f3n \u00absuficientemente grande\u00bb de las observaciones tenga una distancia a su vecino m\u00e1s cercano inferior a <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">. Por \u00absuficientemente grande\u00bb entendemos el 90-95 % de las observaciones que deben tener al menos un vecino en su <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">-vecindad.<\/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-a6439bc e-flex e-con-boxed e-con\" data-id=\"a6439bc\" 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-f6767ff elementor-widget elementor-widget-heading\" data-id=\"f6767ff\" 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\">\u00bfC\u00f3mo implementar el DBSCAN con Python?<\/h3>\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t<div class=\"elementor-element elementor-element-de485c3 elementor-widget elementor-widget-text-editor\" data-id=\"de485c3\" 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\">El aprendizaje de DBSCAN se facilita con la <\/span><b>biblioteca Scikit-Learn<\/b><span style=\"font-weight: 400\">. Nuestro conjunto de datos de ejemplo se crea f\u00e1cilmente con la funci\u00f3n make_blobs de Scikit-Learn. As\u00ed es como se implementa en c\u00f3digo:<\/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-9c1b6bb elementor-widget elementor-widget-shortcode\" data-id=\"9c1b6bb\" 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-e1dbe85 elementor-widget elementor-widget-text-editor\" data-id=\"e1dbe85\" 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>Ahora que tenemos nuestro conjunto de datos intentaremos determinar la <strong>\u03b5 \u00f3ptima<\/strong> para obtener una <strong>mejor partici\u00f3n<\/strong> de nuestro conjunto de datos.<\/p><\/blockquote><p>Scikit-Learn proporciona una <span style=\"text-decoration: underline\"><strong><a href=\"https:\/\/scikit-learn.org\/stable\/modules\/generated\/sklearn.neighbors.NearestNeighbors.html\">clase NearestNeighbors<\/a><\/strong><\/span> que nos permite determinar los vecinos m\u00e1s cercanos de cada observaci\u00f3n, as\u00ed como las distancias. As\u00ed es como se implementa en c\u00f3digo:<\/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-7f07c23 elementor-widget elementor-widget-shortcode\" data-id=\"7f07c23\" 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-f538c61 elementor-widget elementor-widget-text-editor\" data-id=\"f538c61\" 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\">Este es el resultado obtenido:<\/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-41b7561 elementor-widget elementor-widget-image\" data-id=\"41b7561\" 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\/es\/files\/2022\/11\/nearestneighbors.webp\" class=\"attachment-full size-full wp-image-166229\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2022\/11\/nearestneighbors.webp 460w, https:\/\/datascientest.com\/es\/files\/2022\/11\/nearestneighbors-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-6ea0378 elementor-widget elementor-widget-text-editor\" data-id=\"6ea0378\" 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\">Como hemos visto antes, elegiremos una <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> para que el 90 % de las observaciones tengan una distancia de vecindad inferior a <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\">. En nuestro ejemplo, 0,2 parece adecuado.<\/span><\/p><p><span style=\"font-weight: 400\">Ahora que hemos optimizado nuestra <\/span><b>\u03b5<\/b><span style=\"font-weight: 400\"> podemos realizar nuestra partici\u00f3n utilizando DBSCAN que ya est\u00e1 implementada en Scikit-Learn.<\/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-279f709 elementor-widget elementor-widget-shortcode\" data-id=\"279f709\" 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-fd22a1e elementor-widget elementor-widget-text-editor\" data-id=\"fd22a1e\" 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\">Este es el resultado obtenido:<\/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-42272f2 elementor-widget elementor-widget-image\" data-id=\"42272f2\" 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\/es\/files\/2022\/11\/DBSCAN4-1.webp\" class=\"attachment-full size-full wp-image-166233\" alt=\"\" srcset=\"https:\/\/datascientest.com\/es\/files\/2022\/11\/DBSCAN4-1.webp 453w, https:\/\/datascientest.com\/es\/files\/2022\/11\/DBSCAN4-1-300x209.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-9382a56 elementor-widget elementor-widget-text-editor\" data-id=\"9382a56\" 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>Los argumentos eps y min_samples se utilizan para establecer los par\u00e1metros del algoritmo, es decir, la distancia \u03b5 y el n\u00famero m\u00ednimo de vecinos que deben considerarse como una observaci\u00f3n central.<\/p><p>De esta manera, el algoritmo detect\u00f3 3 cl\u00fasteres principales y algunas anomal\u00edas. Cada una de las observaciones se etiqueta con la etiqueta del cl\u00faster correspondiente (por ejemplo, 0,1,2). Las anomal\u00edas se etiquetan con -1 y, por tanto, forman una clase separada adem\u00e1s de los 3 cl\u00fasteres detectados.<\/p><p>El uso de un algoritmo de clustering como el DBSCAN no es f\u00e1cil dependiendo de los datos que se tengan. Suele ser necesario repasarlos.<\/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-8c2e853 elementor-align-center button-principal elementor-widget elementor-widget-button\" data-id=\"8c2e853\" 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\/es\/nuestros-cursos-de-data\">\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\">Descubrir los cursos de DataScientest<\/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<div class=\"elementor-element elementor-element-a015940 e-flex e-con-boxed e-con\" data-id=\"a015940\" 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-e5f330c elementor-widget elementor-widget-html\" data-id=\"e5f330c\" data-element_type=\"widget\" data-widget_type=\"html.default\">\n\t\t\t\t<div class=\"elementor-widget-container\">\n\t\t\t<script type=\"application\/ld+json\">\r\n{\r\n  \"@context\": \"https:\/\/schema.org\",\r\n  \"@type\": \"FAQPage\",\r\n  \"mainEntity\": [{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"\u00bfC\u00f3mo funciona el algoritmo DBSCAN ?\u200b\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"A partir de unos puntos y un n\u00famero entero k, el algoritmo pretende dividir los puntos en k grupos, llamados cl\u00fasteres, homog\u00e9neos y compactos. Veamos el siguiente ejemplo:\"\r\n    }\r\n  },{\r\n    \"@type\": \"Question\",\r\n    \"name\": \"\u00bfC\u00f3mo implementar el DBSCAN con Python?\u200b\",\r\n    \"acceptedAnswer\": {\r\n      \"@type\": \"Answer\",\r\n      \"text\": \"Ahora que tenemos nuestro conjunto de datos intentaremos determinar la \u03b5 \u00f3ptima para obtener una mejor partici\u00f3n de nuestro conjunto de datos.\r\nScikit-Learn proporciona una clase NearestNeighbors que nos permite determinar los vecinos m\u00e1s cercanos de cada observaci\u00f3n, as\u00ed como las distancias.\"\r\n    }\r\n  }]\r\n}\r\n<\/script>\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>El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas comunes. Es un campo muy popular en el marketing, por ejemplo, donde a menudo se intenta segmentar las bases de clientes para detectar comportamientos particulares. En art\u00edculos anteriores, presentamos dos algoritmos de agrupaci\u00f3n: el [&hellip;]<\/p>\n","protected":false},"author":63,"featured_media":166218,"comment_status":"open","ping_status":"open","sticky":false,"template":"elementor_theme","format":"standard","meta":{"content-type":"","inline_featured_image":false},"categories":[2427],"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: el algoritmo DBSCAN<\/title>\n<meta name=\"description\" content=\"El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas comunes. Es un campo muy popular en el marketing, por ejemplo, donde a menudo se intenta segmentar las bases de clientes para detectar comportamientos particulares.\" \/>\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\/es\/machine-learning-clustering-dbscan\" \/>\n<meta property=\"og:locale\" content=\"es_ES\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Machine Learning &amp; Clustering: el algoritmo DBSCAN\" \/>\n<meta property=\"og:description\" content=\"El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas\" \/>\n<meta property=\"og:url\" content=\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan\" \/>\n<meta property=\"og:site_name\" content=\"Formaci\u00f3n en ciencia de datos | DataScientest.com\" \/>\n<meta property=\"article:publisher\" content=\"https:\/\/www.facebook.com\/DataScientestEN\" \/>\n<meta property=\"article:published_time\" content=\"2022-11-30T09:44:00+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-10-30T16:45:26+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2022\/11\/DBSCAN4.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=\"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=\"Escrito por\" \/>\n\t<meta name=\"twitter:data1\" content=\"\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tiempo de lectura\" \/>\n\t<meta name=\"twitter:data2\" content=\"5 minutos\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan#article\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan\"},\"author\":{\"name\":\"\",\"@id\":\"\"},\"headline\":\"Machine Learning &amp; Clustering: el algoritmo DBSCAN\",\"datePublished\":\"2022-11-30T09:44:00+00:00\",\"dateModified\":\"2023-10-30T16:45:26+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan\"},\"wordCount\":1047,\"commentCount\":0,\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"articleSection\":[\"Data Science\"],\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan#respond\"]}],\"copyrightYear\":\"2022\",\"copyrightHolder\":{\"@id\":\"https:\/\/datascientest.com\/#organization\"}},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan\",\"url\":\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan\",\"name\":\"Machine Learning &amp; Clustering: el algoritmo DBSCAN\",\"isPartOf\":{\"@id\":\"https:\/\/datascientest.com\/es\/#website\"},\"datePublished\":\"2022-11-30T09:44:00+00:00\",\"dateModified\":\"2023-10-30T16:45:26+00:00\",\"description\":\"El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas comunes. Es un campo muy popular en el marketing, por ejemplo, donde a menudo se intenta segmentar las bases de clientes para detectar comportamientos particulares.\",\"inLanguage\":\"es\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan\"]}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/datascientest.com\/es\/#website\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"name\":\"Formaci\u00f3n en ciencia de datos | DataScientest.com\",\"description\":\"L\u00edder en formaci\u00f3n en Ciencia de Datos\",\"publisher\":{\"@id\":\"https:\/\/datascientest.com\/es\/#organization\"},\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/datascientest.com\/es\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"es\"},{\"@type\":\"Organization\",\"@id\":\"https:\/\/datascientest.com\/es\/#organization\",\"name\":\"DataScientest\",\"url\":\"https:\/\/datascientest.com\/es\/\",\"logo\":{\"@type\":\"ImageObject\",\"inLanguage\":\"es\",\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/\",\"url\":\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"contentUrl\":\"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png\",\"width\":301,\"height\":301,\"caption\":\"DataScientest\"},\"image\":{\"@id\":\"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/\"},\"sameAs\":[\"https:\/\/www.facebook.com\/DataScientestEN\",\"https:\/\/twitter.com\/DataScientest__\",\"https:\/\/www.linkedin.com\/company\/datascientest-spain\/\",\"https:\/\/www.tiktok.com\/@datascientest\"]},{\"@type\":\"Person\",\"@id\":\"\",\"url\":\"https:\/\/datascientest.com\/es\/author\"}]}<\/script>\n<!-- \/ Yoast SEO Premium plugin. -->","yoast_head_json":{"title":"Machine Learning &amp; Clustering: el algoritmo DBSCAN","description":"El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas comunes. Es un campo muy popular en el marketing, por ejemplo, donde a menudo se intenta segmentar las bases de clientes para detectar comportamientos particulares.","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\/es\/machine-learning-clustering-dbscan","og_locale":"es_ES","og_type":"article","og_title":"Machine Learning &amp; Clustering: el algoritmo DBSCAN","og_description":"El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas","og_url":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan","og_site_name":"Formaci\u00f3n en ciencia de datos | DataScientest.com","article_publisher":"https:\/\/www.facebook.com\/DataScientestEN","article_published_time":"2022-11-30T09:44:00+00:00","article_modified_time":"2023-10-30T16:45:26+00:00","og_image":[{"width":453,"height":315,"url":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2022\/11\/DBSCAN4.webp","type":"image\/webp"}],"twitter_card":"summary_large_image","twitter_creator":"@DataScientest__","twitter_site":"@DataScientest__","twitter_misc":{"Escrito por":"","Tiempo de lectura":"5 minutos"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan#article","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan"},"author":{"name":"","@id":""},"headline":"Machine Learning &amp; Clustering: el algoritmo DBSCAN","datePublished":"2022-11-30T09:44:00+00:00","dateModified":"2023-10-30T16:45:26+00:00","mainEntityOfPage":{"@id":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan"},"wordCount":1047,"commentCount":0,"publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"articleSection":["Data Science"],"inLanguage":"es","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan#respond"]}],"copyrightYear":"2022","copyrightHolder":{"@id":"https:\/\/datascientest.com\/#organization"}},{"@type":"WebPage","@id":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan","url":"https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan","name":"Machine Learning &amp; Clustering: el algoritmo DBSCAN","isPartOf":{"@id":"https:\/\/datascientest.com\/es\/#website"},"datePublished":"2022-11-30T09:44:00+00:00","dateModified":"2023-10-30T16:45:26+00:00","description":"El clustering es una disciplina particular del Machine Learning que tiene como objetivo separar sus datos en grupos homog\u00e9neos con caracter\u00edsticas comunes. Es un campo muy popular en el marketing, por ejemplo, donde a menudo se intenta segmentar las bases de clientes para detectar comportamientos particulares.","inLanguage":"es","potentialAction":[{"@type":"ReadAction","target":["https:\/\/datascientest.com\/es\/machine-learning-clustering-dbscan"]}]},{"@type":"WebSite","@id":"https:\/\/datascientest.com\/es\/#website","url":"https:\/\/datascientest.com\/es\/","name":"Formaci\u00f3n en ciencia de datos | DataScientest.com","description":"L\u00edder en formaci\u00f3n en Ciencia de Datos","publisher":{"@id":"https:\/\/datascientest.com\/es\/#organization"},"potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/datascientest.com\/es\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"es"},{"@type":"Organization","@id":"https:\/\/datascientest.com\/es\/#organization","name":"DataScientest","url":"https:\/\/datascientest.com\/es\/","logo":{"@type":"ImageObject","inLanguage":"es","@id":"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/","url":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png","contentUrl":"https:\/\/datascientest.com\/es\/wp-content\/blogs.dir\/7\/files\/2024\/02\/DataScientest_icon_blue-2.png","width":301,"height":301,"caption":"DataScientest"},"image":{"@id":"https:\/\/datascientest.com\/es\/#\/schema\/logo\/image\/"},"sameAs":["https:\/\/www.facebook.com\/DataScientestEN","https:\/\/twitter.com\/DataScientest__","https:\/\/www.linkedin.com\/company\/datascientest-spain\/","https:\/\/www.tiktok.com\/@datascientest"]},{"@type":"Person","@id":"","url":"https:\/\/datascientest.com\/es\/author"}]}},"_links":{"self":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/166217"}],"collection":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/users\/63"}],"replies":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/comments?post=166217"}],"version-history":[{"count":0,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/posts\/166217\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media\/166218"}],"wp:attachment":[{"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/media?parent=166217"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/categories?post=166217"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/datascientest.com\/es\/wp-json\/wp\/v2\/tags?post=166217"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}