HDBSCAN 節點

Hierarchical Density-Based Spatial Clustering (HDBSCAN)© 使用非監督式學習來尋找資料集的叢集或密集區域。

watsonx.ai 中的 HDBSCAN 節點會公開 HDBSCAN 程式庫的核心特性及常用參數。該節點在 Python 中實作，當您一開始不瞭解那是些什麼群組時，您可以使用它來將資料集叢集至不同的群組。與 watsonx.ai中的大部分學習方法不同， HDBSCAN 模型不使用目標欄位。這種類型的學習（沒有目標欄位）稱為未受監督的學習。 HDBSCAN 模型試圖揭示輸入欄位集中的型樣而不是預測結果。記錄會進行分組，因此某個群組或叢集內的記錄彼此會相似，但不同群組中的記錄並不同。 HDBSCAN 演算法將叢集視為與低密度區域分開的高密度區域。由於這種相當普遍的觀點，HDBSCAN 找到的叢集可能會是任何形狀，與假設叢集是凸形的 k-means 相反。低密度區域中單獨存在的離群值點也會標示出來。 HDBSCAN 還支援對新樣本評分。¹

若要使用 HDBSCAN 節點，您必須設定上游「類型」節點。 HDBSCAN 節點將從「類型」節點（或上游匯入節點的「類型」）讀取輸入值。

如需 HDBSCAN 叢集演算法的相關資訊，請參閱 HDBSCAN 文件。 ¹