Machine Learning Academy · Урок

DBSCAN: внутренние, граничные и шумовые точки

«DBSCAN: внутренние, граничные и шумовые точки» — бесплатный урок Machine Learning Academy на CoddyKit. Это урок 3 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения Machine Learning Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс Machine Learning Academy содержит 4 уроков всего.

Части этого урока еще не переведены и отображаются на английском.

Why K-Means Fails on Arbitrary Shapes

K-Means assumes clusters are convex and roughly spherical. It fails on crescent, ring, or elongated shapes because it partitions by distance to centroids. DBSCAN (Density-Based Spatial Clustering of Applications with Noise) overcomes this by defining clusters as dense regions separated by low-density areas, discovering clusters of any shape.

Two Key Hyperparameters: eps and min_samples

DBSCAN is controlled by two parameters: eps (epsilon) defines the radius of a neighbourhood around a point, and min_samples sets the minimum number of points (including the point itself) required within that radius to be considered a dense region. Together they determine which points are cores, borders, or noise.

Core Points: The Anchors of Dense Regions

A point is a core point if at least min_samples points (including itself) lie within distance eps. Core points are the seeds from which clusters grow. Every point within the core's neighbourhood is directly reachable from it — the foundation for expanding the cluster.

from sklearn.neighbors import BallTree
import numpy as np

X = np.array([[0, 0], [0.3, 0], [0.6, 0],
              [5, 5], [10, 10]])
eps = 1.0
min_samples = 3

tree = BallTree(X)
counts = tree.query_radius(X, r=eps, count_only=True)
core_mask = counts >= min_samples
print('Core points:', np.where(core_mask)[0])  # indices 0, 1, 2

Border Points and Density-Reachability

A border point has fewer than min_samples neighbours within eps but lies within the eps-neighbourhood of a core point. It belongs to the cluster of its core point but does not expand the cluster further. A point is density-connected to another if there is a chain of directly-reachable steps linking them through core points.

Noise Points: Outlier Detection for Free

Points that are neither core nor border — isolated points with too few neighbours — are labelled noise (label = -1 in scikit-learn). This makes DBSCAN a natural outlier detector: anomalies that do not belong to any dense cluster are automatically flagged as noise without any extra configuration.

Running DBSCAN in scikit-learn

Use sklearn.cluster.DBSCAN. After fitting, db.labels_ contains integer cluster IDs starting at 0, with -1 for noise. db.core_sample_indices_ lists which samples are core points. The number of clusters is determined automatically — no k needed upfront.

from sklearn.cluster import DBSCAN
from sklearn.datasets import make_moons
import numpy as np

X, _ = make_moons(n_samples=200, noise=0.05, random_state=0)

db = DBSCAN(eps=0.3, min_samples=5)
db.fit(X)

n_clusters = len(set(db.labels_)) - (1 if -1 in db.labels_ else 0)
n_noise = (db.labels_ == -1).sum()

print('Clusters found:', n_clusters)
print('Noise points:', n_noise)
print('Labels (first 10):', db.labels_[:10])

DBSCAN on Non-Convex Shapes

DBSCAN excels on datasets like two interlocking moons or concentric rings — shapes where K-Means completely fails. Because DBSCAN expands clusters along density chains, it naturally follows the curved manifold of the data. This is a fundamental algorithmic advantage for geospatial data, biological cell clusters, and anomaly-embedded datasets.

import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN, KMeans
from sklearn.datasets import make_moons

X, _ = make_moons(n_samples=300, noise=0.05, random_state=0)

db_labels = DBSCAN(eps=0.25, min_samples=5).fit_predict(X)
km_labels = KMeans(n_clusters=2, random_state=0, n_init=10).fit_predict(X)

fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(10, 4))
ax1.scatter(X[:, 0], X[:, 1], c=db_labels, cmap='tab10')
ax1.set_title('DBSCAN')
ax2.scatter(X[:, 0], X[:, 1], c=km_labels, cmap='tab10')
ax2.set_title('K-Means')
plt.show()

Choosing eps: The K-Distance Plot

A practical way to choose eps is to plot the k-distance graph: compute the distance of each point to its kth nearest neighbour (where k = min_samples), sort these distances, and look for the knee. The distance at the knee is a good eps candidate. Points above the knee are in sparse regions (noise); below the knee are in dense regions.

from sklearn.neighbors import NearestNeighbors
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_moons

X, _ = make_moons(n_samples=200, noise=0.05, random_state=0)
min_samples = 5

nn = NearestNeighbors(n_neighbors=min_samples)
nn.fit(X)
distances, _ = nn.kneighbors(X)
k_distances = np.sort(distances[:, -1])[::-1]

plt.plot(k_distances)
plt.xlabel('Points sorted by distance')
plt.ylabel(f'{min_samples}-th nearest neighbour distance')
plt.title('K-Distance Plot for eps selection')
plt.show()

Effect of eps and min_samples on Results

Increasing eps merges clusters (eventually everything becomes one cluster). Decreasing eps creates more clusters and more noise. Increasing min_samples requires denser cores, making it harder to form clusters and generating more noise points. Tuning both parameters together is needed — the k-distance plot guides eps while min_samples is typically set to the dimensionality of the data plus one as a starting point.

DBSCAN vs K-Means: When to Use Each

Use DBSCAN when: clusters have irregular shapes, you do not know k in advance, outlier detection is important, or data has varying density. Use K-Means when: clusters are roughly spherical, the dataset is very large (DBSCAN scales as O(n log n) with a spatial index), or you need a specific number of clusters for business reasons like market segmentation into exactly 5 regions.

DBSCAN for Geospatial Clustering

DBSCAN is particularly popular for geospatial clustering (finding hotspots in GPS data) because it naturally identifies dense urban areas while marking sparse rural points as noise. Use metric='haversine' and convert coordinates to radians to cluster by great-circle distance on Earth's surface. The result is geographically meaningful clusters without needing to specify their number.

import numpy as np
from sklearn.cluster import DBSCAN

# Sample GPS coords: (lat, lon) in radians
coords = np.radians([
    [40.7128, -74.0060],  # NYC
    [40.6892, -74.0445],  # nearby
    [40.7282, -73.7949],  # Queens
    [51.5074, -0.1278],   # London
])

# eps in radians: 1km / earth radius
eps_rad = 1.0 / 6371.0
db = DBSCAN(eps=eps_rad, min_samples=2, metric='haversine')
db.fit(coords)
print('Cluster labels:', db.labels_)

Quick Check

Test your understanding of DBSCAN concepts from this lesson.

Lesson Recap

In this lesson you learned: DBSCAN classifies points as core, border, or noise based on the eps radius and min_samples threshold, it discovers clusters of arbitrary shape by chaining density-reachable core points, and noise points (label -1) are automatic outliers — a feature K-Means does not provide. Next up we apply clustering end-to-end in a customer segmentation project.

Часто задаваемые вопросы

Урок «DBSCAN: внутренние, граничные и шумовые точки» бесплатный?

Да — полный текст урока «DBSCAN: внутренние, граничные и шумовые точки» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс Machine Learning Academy, подпишись на CoddyKit PRO. Курс Machine Learning Academy содержит 4 уроков всего.

Чему я научусь в уроке «DBSCAN: внутренние, граничные и шумовые точки»?

Вы настроите eps и min_samples, определите внутренние, граничные и шумовые точки на наборе данных в форме полумесяца и увидите, как DBSCAN обнаруживает невыпуклые кластеры, которые не находит K-средн… Ты практикуешь Machine Learning Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.

Нужен ли мне опыт, чтобы начать Machine Learning Academy?

Предыдущий опыт не требуется. Machine Learning Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 3 из 4.

Сколько времени занимает урок «DBSCAN: внутренние, граничные и шумовые точки»?

Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.

Можно ли писать и запускать код в этом уроке Machine Learning Academy?

Да. Каждый урок Machine Learning Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.

Все уроки этого курса

K-средних: центроиды, присваивание и обновление
Выбор K: метод локтя и показатель силуэта
DBSCAN: внутренние, граничные и шумовые точки
Кластеризация для сегментации клиентов: пример от начала до конца

← Назад к Machine Learning Academy