5. Introducción a DBSCAN

El algoritmo DBSCAN es una técnica de: aprendizaje supervisado;. aprendizaje no supervisado;. aprendizaje semisupervisado;.

El algoritmo DBSCAN es una técnica cuya meta es: la reducción de dimensionalidad;. asignar ejemplares a conglomerados;. agrupar variables categóricas;.

La técnica DBSCAN para la identificación de conglomerados: A) emplea la distancia a los centroides para la asignación de ejemplares a los respectivos conglomerados;. B) emplea una métrica para comprobar la densidad en torno a algunos ejemplares para luego ir asignando por distancias;. C) emplea retropropagación para los pesos de las conexiones que unen ejemplares de conglomerados comunes;.

Una de las afirmaciones que se pueden hacer respecto a DBSCAN y K-Medias es que: en K-Medias no necesita establecerse a priori el número de conglomerados para las asignaciones;. en DBSCAN no necesitamos establecer a priori el número de conglomerados para las asignaciones;. C) en ambas técnicas necesitamos establecer a priori el número de conglomerados para las asignaciones;.

Dada la siguiente figura: ¿cuál de ellas no es compatible con una asignación de conglomerados vía DBSCAN? (piense en la lógica del mecanismo de formación de conglomerados). A. B. C.

El mecanismo que hay detrás de DBSCAN es eminentemente sensible a: a la aglomeración;. a la distancia a unos prototipos de agrupación;. a la distancia a los centroides;.

En la técnica de DBSCAN: hay ejemplares que pueden no ser asignados a ningún conglomerado;. todos los ejemplares serán asignados a un conglomerado;. necesariamente habrá más de un conglomerado;.

El concepto de ejemplares ruidosos en la técnica de agrupamiento mediante DBSCAN está aludiendo a: ejemplares asignados a más de un conglomerado;. a ejemplares no núcleos dentro de un conglomerado;. a ejemplares atípicos sin asignación a un conglomerado;.

Elegir la afirmación más correcta en relación a K-medias y DBSCAN: DBSCAN es más dependiente de las definición de perfiles de ejemplares a partir de los valores de las variables y menos dependiente de la geometría de las propias agrupaciones;. DBSCAN es menos dependiente de las definición de perfiles de ejemplares a partir de los valores de las variables y más dependiente de la geometría de las propias agrupaciones;. K-medias es más dependiente de las definición de perfiles de ejemplares a partir de los valores de las variables y más dependiente de la geometría de las propias agrupaciones;.

Dada la siguiente agrupación en dos conglomerados… ¿qué técnica es la adecuada para obtener unos resultados con ese tipo de sensibilidad?. K-medias;. conglomerado jerárquico;. DBSCAN;.

En la técnica de agrupamiento DBSCAN, si un ejemplar tiene al menos 𝑘𝑘 ejemplares a una distancia igual o menor que ε se convierte en: ruido;. frontera;. núcleo;.

En la técnica de agrupamiento DBSCAN, un ejemplar será núcleo si: al menos 𝑘 ejemplares están de él a una distancia menor o igual a ε;. al menos 𝑘 ejemplares están de él a una distancia mayor o igual a ε;. al menos 𝑘 ejemplares están de él a una distancia igual a ε ;.

La imagen muestra la evaluación que determinará si el ejemplar rojo será o no ejemplar núcleo en la técnica de agrupamiento DBSCAN. Con una 𝑘𝑘 = 4, dicho ejemplar: será núcleo;. no será núcleo;. dependerá del cálculo de la densidad en la fase de expansión;.

Referente a la técnica de agrupamiento DBSCAN. En la figura siguiente se representa entre interrogaciones un ejemplar. Tras el primer análisis, resultó no ser un ejemplar núcleo de entre todos los del conjunto de datos. ¿Cuál ha podido ser la causa?. Su distancia con el ejemplar más próximo es mayor que ε;. Su distancia con el ejemplar más próximo es menor que ε;. Alguna de las distancias con los 𝑘𝑘 ejemplares más próximos es mayor que ε;.

Referente a la técnica de agrupamiento DBSCAN. En la figura siguiente se representa entre interrogaciones un ejemplar. Tras el primer análisis, resultó no ser un ejemplar núcleo de entre todos los del conjunto de datos. En dicho supuesto, el ejemplar mencionado: podrá formar parte del conglomerado verde;. no podrá formar parte del conglomerado verde;. podrá formar parte de otro conglomerado;.

Referente a la técnica de agrupamiento DBSCAN. Después de una primera fase en la que se localizan los ejemplares núcleo de entre todos los ejemplares del conjunto de datos, viene una segunda fase en la que se selecciona al azar uno de esos ejemplares núcleo. Siendo ε el hiperparámetro de la distancia, un primer paso es: añadir al conglomerado que se está formando con este ejemplar al azar cualquier ejemplar que esté al alcance de él, es decir, que esté a igual o menor distancia que ε;. añadir al conglomerado que se está formando con este ejemplar al azar sólo los ejemplares núcleo que estén al alcance de él, es decir, que estén a igual o menor distancia que ε;. añadir al conglomerado que se está formando con este ejemplar al azar cualquier ejemplar que esté al alcance de él, es decir, que esté a igual o mayor distancia que ε;.

Referente a la técnica de agrupamiento DBSCAN. En la fase de expansión, y una vez elegido al azar el ejemplar núcleo con el que se irá formando un conglomerado, y agregados ya otros ejemplares núcleo a él: se agregarán al conglomerado los ejemplares que sean alcanzables por los agregados anteriormente;. se agregarán al conglomerado los ejemplares núcleo que sean alcanzables por los agregados anteriormente;. se detendrá el proceso si se han agregado ya 𝑘𝑘 ejemplares al conglomerado;.

Referente a la técnica de agrupamiento DBSCAN. En la fase de expansión de un conglomerado se han agregado todos los ejemplares núcleo posibles. El siguiente paso es: seleccionar de nuevo al azar algún ejemplar núcleo no asignado a un conglomerado y empezar a agregar ejemplares al conglomerado que se forme a partir de él;. agregar los ejemplares que no sean núcleo pero que son alcanzables por alguno de los ejemplares núcleos ya agregados al conglomerado;. agregar los ejemplares que no sean núcleo pero que son alcanzables tanto ejemplares núcleos o que no sean núcleo de los ya agregados al conglomerado;.

Referente a la técnica de agrupamiento DBSCAN. En la fase de expansión de un conglomerado se han agregado todos los ejemplares núcleo posibles, los cuales figuran en verde en la siguiente figura: El ejemplar señalado entre interrogaciones no es un ejemplar núcleo. Señalar lo correcto: El ejemplar señalado entre interrogaciones no será agregado al conglomerado verde;. El ejemplar señalado entre interrogaciones será agregado al conglomerado verde;. El ejemplar señalado entre interrogaciones será agregado al ruido;.

Referente a la técnica de agrupamiento DBSCAN. En la fase de expansión de un conglomerado se han agregado todos los ejemplares núcleo posibles, los cuales figuran en verde en la siguiente figura: El ejemplar señalado con una “X” es un ejemplar que no es núcleo pero que sin embargo ha sido agregado al conglomerado verde. El ejemplar señalado con interrogaciones tampoco es núcleo. Este último ejemplar: será agregado al conglomerado verde;. será agregado a otro conglomerado auxiliar compuesto por los ejemplares de dentro del círculo;. no será agregado al conglomerado verde;.

Referente a la técnica de agrupamiento DBSCAN. Un ejemplar límite o frontera es aquel que: no es núcleo, pero sí es alcanzable por alguno de los ejemplares núcleo del conglomerado que se está formando;. es núcleo, y además es alcanzable por alguno de los ejemplares núcleo del conglomerado que se está formando;. no es núcleo, pero sí es alcanzable por el centroide del conglomerado;.

Referente a la técnica de agrupamiento DBSCAN. En la fase de expansión de un conglomerado, los ejemplares que no son núcleo y que han sido agregados al conglomerado: se usan de nuevo para expandirlo;. no se usan para expandirlo y constituyen el límite;. son la parte ruidosa del conglomerado;.

Referente a la técnica de agrupamiento DBSCAN. En la siguiente figura: ¿cuántos conglomerados hay?. 4;. 3;. 2;.

En la técnica de agrupamiento DBSCAN, los puntos de ruido: forman conglomerados;. nunca forman conglomerados;. bajo determinadas circunstancias forman conglomerados;.