---
sourceDocument: Xanadu Activer AI
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/fr-FR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - fr-FR

ft:publication_title :

    - Xanadu Activer AI

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Configurer DBSCAN pour une solution de mise en grappe

# Configurer DBSCAN pour une solution de mise en grappe {#ariaid-title1}

* Rversion finale: Xanadu
* 
* Mis à jour 1 août 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 1 minute de lecture

Envisagez d'appliquer l'encodage DBSCAN (Density Based Spatial Clustering of Applications with Noise) à votre solution de clustering. K-means est l'algorithme de clustering par défaut.

## Avant de commencer

Remarque :  
La configuration des paramètres avancés sur vos solutions ML est facultative. Si vous choisissez de configurer l'un de ces paramètres, assurez-vous d'être bien informé concernant la technologie que vous activez dans la solution et que vous disposez d'un cas d'utilisation qui bénéficie de ce que la technologie offre. Pour plus d'informations, consultez <https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847>.  
* Créez une définition de solution de mise en grappe ou utilisez une définition existante.
* Rôle requis : admin ou ml_admin
{#configure-dbscan-for-clustering-solution__ul_usd_cst_1kb}

## Pourquoi et quand exécuter cette tâche

Predictive Intelligence utilise l'algorithme k-means par défaut dans son cadre de travail de clustering. DBSCAN est un autre algorithme de clustering qui est également utilisé dans l'exploration de données et l'apprentissage automatique. Certains utilisateurs préfèrent DBSCAN, car il ne vous oblige pas à spécifier le nombre de clusters dans les données avant la mise en grappe. Pour un résumé des avantages et des inconvénients de chaque algorithme, consultez cette [conversation](https://www.researchgate.net/post/What_is_the_difference_between_K-MEAN_and_density_based_clustering_algorithm_DBSCAN) et cet [article](https://medium.com/@soroushhashemifar/kmeans-vs-dbscan-d9d5f9dbee8b).

Dans cet exemple de scénario, vous appliquez DBSCAN à une solution de clustering.

## Procédure

1. Accédez à la ToutIntelligence prédictiveMise en grappeDéfinitions des solutions.
2. Ouvrez un formulaire de définition de solution de mise en grappe.  
   Dans cet exemple de scénario, vous utilisez un formulaire de définition de solution de mise en grappe d'incidents.  
3. Dans l'onglet Paramètres de solution avancée de la section Liens connexes du formulaire, sélectionnez Paramètres de solution dans le sélecteur, puis cliquez sur Nouveau.  
4. Créez un enregistrement de paramètre.
   1. Dans le champ Paramètres de la solution , cliquez sur l'icône de recherche.
   2. Dans l'écran Paramètres de la solution ML, sélectionnez Utiliser DBSCAN pour la mise en grappe.  
   {#configure-dbscan-for-clustering-solution__substeps_ow5_5tj_zjb}
5. Cliquez sur Envoyer.  
   L'enregistrement des paramètres de solution avancée s'affiche.  
6. Cliquez sur Envoyer.  
   Résultat: DBSCAN est configuré pour votre solution de mise en grappe. Son paramètre de solution s'affiche dans l'onglet Paramètres de solution avancés de votre formulaire de définition de solution de mise en grappe.  
**Tâches associées**   

* [Créer et former une solution de mise en grappe](https://servicenow-prod.fluidtopics.net/EwvDDQnDbmMCGcTY6UVNGw "Regroupez des enregistrements similaires dans des grappes pour les traiter collectivement ou identifier des schémas.")