Utilisateur:Bouftoubleu/Brouillon
Les points du jeu de données sont séparés en 3 types :
- Les points centraux (core points)
- Les points frontières (border points)
- Les points aberrants (noise points)
Les points centraux
modifierUn point du jeu de données est dit central si :
- Son voisinage est dense
Ces points forment des composantes connexes indépendantes de l'ordre d'exploration du jeu données.
Les points frontières
modifierUn point du jeu de données est dit frontière si :
- Ce n'est pas un point central
- Il appartient au voisinage d'un point central
Ces points viennent s'agréger autour des composantes connexes pour former des groupes. Ces groupes sont couramment appelées par leur nom anglais : Clusters.
Contrairement aux composantes connexes, la formation des clusters est dépendantes de l'ordre d'exploration du jeu de données.
Les points aberrants
modifierUn point du jeu de données est dit aberrant si :
- Ce n'est pas un point central
- Ce n'est pas un point frontière
Ces points sont donc tous les autres point du jeu de données.
Attention, le nom donné à ces points peut être trompeur car leur désignation dépend des paramètres choisis.
Concepts mathématiques sous-jacent
modifierVoisinage d'un point
modifierLa notion de voisinage est le concept élémentaire à la base de la méthode DBSCAN. Il permet de définir mathématiquement les voisinages denses qui sont utilisé pour la localisation des points centraux et l'expansion des clusters.
Distance entre points
modifierEn mathématiques, on appelle distance sur un ensemble E toute application d définie sur le produit E2 = E×E et à valeurs dans l'ensemble ℝ+ des réels positifs,
vérifiant les propriétés suivantes
Nom | Propriété |
---|---|
symétrie | |
séparation | |
inégalité triangulaire |
Le choix de la distance entre points est un paramètre implicite à la méthode DBSCAN.
Dans le cas de DBSCAN, c'est communément la distance euclidienne qui est utilisée.
Boule ouverte de rayon de epsilon
modifierDans l'espace usuel comme dans n'importe quel espace métrique :
La boule ouverte est l'ensemble des points de l'espace dont la distance au point est strictement inférieure à :
Les caractéristiques des boules dépendent de deux éléments :
- La forme des boules est liée à la distance (paramètre implicite à DBSCAN).
- L'espace couvert dépend du rayon choisie (paramètre explicite à DBSCAN).
Epsilon-voisinage
modifierL' -voisinage d'un point , est l'ensemble des points du jeu de données situés dans la boule ouverte centrée en et de rayon :
Les points du jeu de données sélectionnés reposent sur les boules ouvertes et sont donc dépendants des paramètres suivants :
- La distance entre les points et
- Le rayon de recherche autour du point
Epsilon-voisinage dense
modifierUn -voisinage est dit dense si son cardinal est supérieur ou égal à .
Cette définition est la première qui dépend des 3 paramètres de DBSCAN :
- Le nombre minimum de points pour qu'un voisinage soit désigné dense.
- Le rayon du voisinage autour du point considéré.
- La distance entre points.
Relations basées sur la densité
modifierLes relations binaires qui suivent sont utilisés pour effectuer des démonstrations sur la méthode DBSCAN, et plus généralement en apprentissage non supervisé basé sur la densité.
Directement accessible par densité
modifierUn point du jeu de données est directement accessible par densité depuis un autre point si :
- est dense
Accessible par densité
modifierUn point du jeu de données est accessible par densité depuis un autre point si il existe une séquence ordonnée de points tel que :
- est directement accessible par densité depuis
Densément connecté
modifierUn point du jeu de données est densément connecté à un autre point si :
- est accessible par densité depuis
- est accessible par densité depuis
Classe et cluster
modifierRelation d'équivalence
modifierClasse d'équivalence
modifierCluster
modifierAvantages et inconvénients
modifierAvantages
modifierInconvénients
modifier- (en) Michael Hahsler, Matthew Piekenbrock et Derek Doran, « dbscan : Fast Density-Based Clustering with R », Journal of Statistical Software, vol. 91, no 1, (ISSN 1548-7660, DOI 10.18637/jss.v091.i01, lire en ligne, consulté le )