Presná definícia
Čo znamená HDBSCAN?
HDBSCAN je hierarchická hustotná metóda rozširujúca DBSCAN cez vzájomnú dosiahnuteľnostnú vzdialenosť a hierarchiu hustôt. Z kondenzovaného stromu vyberá stabilné zhluky, takže nepotrebuje jedno globálne ε a môže zachytiť skupiny s rozdielnou hustotou. Výstup obsahuje hluk, silu príslušnosti a podľa implementácie aj skóre odľahlosti.
Skúsenosť a kontext
Ako sa pojem používa v praxi
Pri embeddingoch zákazníckych udalostí sa nastaví najmä minimálna veľkosť zhluku a opatrne min_samples, ktorý ovplyvňuje konzervatívnosť. Metrika a rozmer reprezentácie sa validujú ešte pred algoritmom. Kondenzovaný strom pomôže rozlíšiť stabilné vetvy od krátkych hustotných náhod. Mäkká príslušnosť sa nepovažuje za pravdepodobnosť pravdivej triedy. Výsledok sa porovná naprieč vzorkami a parametrami; zhluky s nízkou stabilitou alebo vysokým podielom šumu sa nepremenujú na pevné obchodné segmenty bez ďalšieho dôkazu.
Overiteľnosť
Odborné zdroje
Praktické odpovede
Často kladené otázky
Čím sa líši od DBSCAN?
Pracuje s hierarchiou hustôt a vyberá stabilné zhluky namiesto jedného ε rezu.
Čo robí min_cluster_size?
Určuje najmenšiu skupinu, ktorú možno považovať za zhluk.
Čo znamená stabilný zhluk?
Pretrváva cez širší rozsah hustotných úrovní v kondenzovanej hierarchii.
Je membership strength kalibrovaná triedna pravdepodobnosť?
Nie. Vyjadruje pozíciu bodu v hustotnej štruktúre modelu.
Prečo môže označiť veľa bodov ako hluk?
Konzervatívne parametre alebo nevhodná metrika nedajú bodom stabilnú hustotnú podporu.