- پنج‌شنبه 21 آبان 1405 ساعت 21:05
- 0.6.2
- کامل شده
- منقضی شده
این داکیومنت از طرف توسعه‌دهنده ساپورت نمی‌شود، جدیدترین ورژن داکیومنت بزودی ترجمه خواهد شد.
DBSCAN الگوریتم خوشه‌بندی مبتنی بر چگالی است. برخلاف K-means، تعداد خوشه‌ها از ابتدا تعیین نمی‌شود؛ الگوریتم با توجه به شعاع همسایگی و حداقل تعداد نمونه، نواحی پرتراکم را به‌عنوان خوشه شناسایی می‌کند.
نحوه کار و کاربرد
پارامتر Epsilon شعاع همسایگی و Min Samples حداقل تعداد نقاط برای شکل‌گیری ناحیه پرتراکم را مشخص می‌کند. نقاطی که به هیچ خوشه متصل نشوند می‌توانند نویز محسوب شوند. مقیاس ویژگی‌ها و انتخاب فاصله مناسب اثر زیادی بر نتیجه دارند.
نمونه
use Phpml\Clustering\DBSCAN;
$samples = [[1,1],[1.1,1],[0.9,1.2],[8,8],[8.1,8],[20,20]];
$clusterer = new DBSCAN(0.5, 2);
$clusters = $clusterer->cluster($samples);نکته
اگر چگالی خوشه‌ها بسیار متفاوت باشد، یک تنظیم واحد ممکن است برای همه خوشه‌ها مناسب نباشد.