--- sourceDocument: Xanadu AI 활성화 sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/ko-KR/xanadu/intelligent-experiences Release : - xanadu ft:locale : - ko-KR ft:publication_title : - Xanadu AI 활성화 ft:clusterId : - platai bundleId : - platai workflow : - Platform --- # 클러스터링 솔루션에 대한 DBSCAN 구성 # 클러스터링 솔루션에 대한 DBSCAN 구성 {#ariaid-title1} * 릴리스 버전: Xanadu * * 업데이트 날짜 2024년 08월 01일 * * ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 소요 시간: 1분 DBSCAN(Density Based Spatial Clustering of Applications with Noise) 인코딩을 클러스터링 솔루션에 적용하는 것이 좋습니다. K-평균은 디폴트 군집화 알고리즘입니다. ## 시작하기 전에 주: ML 솔루션에서 고급 설정을 구성하는 것은 선택 사항입니다. 이러한 설정을 구성하도록 선택하는 경우 솔루션에서 사용하도록 설정하는 기술에 대해 잘 알고 있는지, 기술이 제공하는 이점을 활용할 수 있는 사용 사례가 있는지 확인합니다. 자세한 내용은 문서를 참조하십시오. * 클러스터링 솔루션 정의를 생성하거나 기존 정의를 사용합니다. * 필요한 역할: admin 또는 ml_admin {#configure-dbscan-for-clustering-solution__ul_usd_cst_1kb} ## 이 태스크 정보 예측 인텔리전스는 클러스터링 프레임워크에서 기본적으로 k-means 알고리즘을 사용합니다. DBSCAN은 데이터 마이닝 및 기계 학습에도 사용되는 또 다른 클러스터링 알고리즘입니다. 일부 사용자는 클러스터링하기 전에 데이터의 클러스터 수를 지정할 필요가 없기 때문에 DBSCAN을 선호합니다. 각 알고리즘의 장단점에 대한 요약은 이 [대화](https://www.researchgate.net/post/What_is_the_difference_between_K-MEAN_and_density_based_clustering_algorithm_DBSCAN) 와 이 [문서를](https://medium.com/@soroushhashemifar/kmeans-vs-dbscan-d9d5f9dbee8b) 참조하세요. 이 예제 시나리오에서는 클러스터링 솔루션에 DBSCAN을 적용합니다. ## 프로시저 1. 다음으로 이동 모두예측 인텔리전스클러스터링솔루션 정의. 2. 클러스터링 솔루션 정의 양식을 엽니다. 이 예제 시나리오에서는 인시던트 클러스터링 솔루션 정의 양식을 사용합니다. 3. 폼의 관련 링크 섹션에 있는 고급 솔루션 설정 탭에서, 선택기에서 솔루션 매개변수를 선택한 후 신규를 클릭합니다. 4. 매개변수 기록을 생성합니다. 1. 솔루션 매개변수 필드에서 검색 아이콘을 클릭합니다. 2. ML 솔루션 매개 변수 화면에서 클러스터링에 DBSCAN 사용을 선택합니다. {#configure-dbscan-for-clustering-solution__substeps_ow5_5tj_zjb} 5. 제출을 클릭합니다. 고급 솔루션 설정 기록이 나타납니다. 6. 제출을 클릭합니다. 결과: DBSCAN은 클러스터링 솔루션에 맞게 구성됩니다. 솔루션 매개변수는 클러스터링 솔루션 정의 양식의 고급 솔루션 설정 탭에 나타납니다. **관련 태스크** * [클러스터링 솔루션 생성 및 교육](https://servicenow-prod.fluidtopics.net/S_ts7fOeVt~F0M_7i2kvtA "유사한 기록을 클러스터로 그룹화하여 기록을 일괄적으로 처리하거나 패턴을 파악할 수 있습니다.")