DBSCAN für Clustering-Lösung konfigurieren
Erwägen Sie, den Algorithmus „Density Based Spatial Clustering of Applications with Rauschen“ (DBSScan) auf Ihre Clustering-Lösung anzuwenden. DBScan ist als Alternative zum Standard-Clustering-Algorithmus k-means verfügbar.
Vorbereitungen
- Erstellen Sie eine Definition für eine Clustering-Lösung, oder verwenden Sie eine vorhandene.
- Erforderliche Rolle: admin oder ml_admin
Warum und wann dieser Vorgang ausgeführt wird
Standardmäßig verwendet Predictive Intelligence im Clustering-Framework den Algorithmus k-means. DBSCAN ist ein alternativer Clustering-Algorithmus, der auch für Data Mining und maschinelles Lernen verwendet wird. Einige Benutzer bevorzugen DBSCAN, da die Anzahl der Cluster in den Daten vor dem Clustering nicht angegeben werden muss. Eine Zusammenfassung der Vor- und Nachteile für jeden Algorithmus finden Sie in dieser Konversation und in diesem Artikel.
In diesem Beispielszenario wenden Sie DBSCAN auf eine Clustering-Lösung an.
Prozedur
-
Öffnen Sie das Definitionsformular für eine Clustering-Lösung.
In diesem Beispielszenario verwenden Sie ein Lösungsdefinitionsformular für Incidents-Clustering-Lösungen.
-
Wählen Sie auf der Registerkarte Erweiterte Lösungseinstellungen im Abschnitt „Zugehörige Links“ des Formulars in der Auswahl Lösungsparameter aus, und klicken Sie dann auf Neu.
-
Erstellen Sie einen Parameterdatensatz.
-
Wählen Sie im Bildschirm ML-Lösungsparameter die Option DB-Scan-Algorithmus für Clustering verwenden aus.
-
Wählen Sie im Bildschirm ML-Lösungsparameter die Option DB-Scan-Algorithmus für Clustering verwenden aus.
-
Wählen Sie Absenden.
Der Datensatz der erweiterten Lösungseinstellung wird angezeigt. Das Feld Anwendereingaben ist ausgegraut, da es nicht auf diesen Algorithmus zutrifft.
-
Wählen Sie Absenden.
Ergebnis: DBSCAN ist für Ihre Clustering-Lösung konfiguriert. Der Lösungsparameter wird auf der Registerkarte „Erweiterte Lösungseinstellungen“ des Formulars zur Definition der Clustering-Lösung angezeigt.