---
sourceDocument: Habilitar IA do Xanadu
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/xanadu/intelligent-experiences

 Release :

    - xanadu

ft:locale :

    - pt-BR

ft:publication_title :

    - Habilitar IA do Xanadu

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Configurar DBSCAN para uma solução de cluster

# Configurar DBSCAN para uma solução de cluster {#ariaid-title1}

* Versão de lançamento: Xanadu
* 
* Atualizado 1 de ago. de 2024
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 1 min. de leitura

Considere aplicar a codificação Cluster Espacial Baseada em Densidade de Aplicações com Ruído (DBSCAN) à sua solução de clustering. K-means é o algoritmo de clustering padrão.

## Antes de Iniciar

Nota:  
Definir configurações avançadas em suas soluções de ML é opcional. Se você optar por definir qualquer uma dessas configurações, certifique-se de estar bem informado sobre a tecnologia que está habilitando na solução e de ter um caso de uso que se beneficie do que a tecnologia oferece. Para obter mais informações, consulte <https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847>.  
* Crie uma definição de solução de clustering ou use uma existente.
* Função necessária: admin ou ml_admin
{#configure-dbscan-for-clustering-solution__ul_usd_cst_1kb}

## Por Que e Quando Desempenhar Esta Tarefa

A Inteligência preditiva usa o algoritmo k-means por padrão em sua estrutura de clustering. DBSCAN é outro algoritmo de clustering que também é usado em mineração de dados e aprendizado de máquina. Alguns usuários preferem o DBSCAN, pois não é necessário especificar o número de clusters nos dados antes do clustering. Para obter um resumo dos prós e contras de cada algoritmo, consulte esta [conversa](https://www.researchgate.net/post/What_is_the_difference_between_K-MEAN_and_density_based_clustering_algorithm_DBSCAN) e este [artigo](https://medium.com/@soroushhashemifar/kmeans-vs-dbscan-d9d5f9dbee8b).

Neste cenário de exemplo, você aplica DBSCAN a uma solução de cluster.

## Procedimento

1. Navegar até TodosInteligência preditivaClusteringDefinições de solução.
2. Abra um formulário de definição de solução de clustering.  
   Neste cenário de exemplo, você usa um formulário de definição de solução de cluster de incidentes.  
3. Na guia Configurações avançadas de solução na seção Links relacionados do formulário, selecione Parâmetros de solução no seletor e clique em Novo.  
4. Crie um registro de parâmetro.
   1. No campo Parâmetros da solução, clique no ícone de pesquisa.
   2. Na tela Parâmetros da solução ML, selecione Usar DBSCAN para clustering.  
   {#configure-dbscan-for-clustering-solution__substeps_ow5_5tj_zjb}
5. Clique em Enviar.  
   O registro Configuração de solução avançada é exibido.  
6. Clique em Enviar.  
   Resultado: DBSCAN está configurado para sua solução de clustering. Seu parâmetro de solução aparece na guia Configurações avançadas de solução do formulário de definição de solução de cluster.  
**Tarefas relacionadas**   

* [Criação e treinamento de uma solução de clustering](https://servicenow-prod.fluidtopics.net/lbLx4fJQvLvVx08keoBE6Q "Agrupe registros semelhantes em clusters para que você possa abordá-los coletivamente ou identificar padrões.")