Nó HDBSCAN

O Hierarchical Density-Based Spatial Clustering (HDBSCAN)© usa o aprendizado não supervisionado para localizar clusters ou regiões densas de um conjunto de dados.

O nó HDBSCAN em " watsonx.ai Studio expõe os principais recursos e parâmetros comumente usados da biblioteca HDBSCAN. O nó é implementado no Python e é possível usá-lo para agrupar seu conjunto de dados em grupos distintos quando não sabe o que esses grupos são a princípio. Diferentemente da maioria dos métodos de aprendizado no ' watsonx.ai Studio, os modelos HDBSCAN não usam um campo de destino. Esse tipo de aprendizado, sem campo de destino, é denominado aprendizado não supervisionado. Em vez de tentar prever um resultado, HDBSCAN tenta descobrir padrões no conjunto de campos de entrada. Os registros são agrupados de modo que os registros em um grupo ou cluster tendem a ser semelhantes entre si, mas os registros em grupos diferentes são diferentes. O algoritmo HDBSCAN vê os clusters como áreas de alta densidade separadas por áreas de baixa densidade. Devido a esta visão bastante genérica, os clusters localizados pelo HDBSCAN podem ter qualquer formato, ao contrário de k-médias, que assume que os clusters têm formato convexo. Valores discrepantes isolados em regiões de baixa densidade também são marcados. O HDBSCAN também suporta pontuação de novas amostras.¹

Para utilizar o nó HDBSCAN, deve-se configurar um nó de tipo de envio de dados. O nó HDBSCAN lerá os valores de entrada do nó Tipo (ou dos Tipos de um nó de importação de envio de dados).

Para obter mais informações sobre algoritmos de clustering HDBSCAN, consulte a documentação HDBSCAN. ¹