---
sourceDocument: Yokohama habilitar IA
sourceDocumentLink: https://servicenow-prod.fluidtopics.net/r/pt-BR/yokohama/intelligent-experiences

 Release :

    - yokohama

ft:locale :

    - pt-BR

ft:publication_title :

    - Yokohama habilitar IA

ft:clusterId :

    - platai

bundleId :

    - platai

workflow :

    - Platform


---

# Configure O DBSCAN para uma solução de cluster

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

* Versão de lançamento: Yokohama
* 
* Atualizado 10 de fev. de 2025
* 
* ![](https://www.servicenow.com/docs/portal-asset/ico-clock) 1 min. de leitura

Considere a aplicação do algoritmo de cluster espacial baseado em densidade de aplicações com ruído (DBSCAN) à sua solução de cluster. O DBSCAN está disponível como uma alternativa ao algoritmo de clustering padrão, k-means.

## Antes de Iniciar

Nota:  
A definição de 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 que seu caso de uso se beneficie do que a tecnologia oferece. Para obter mais informações, consulte [Mergulhe mais fundo com os parâmetros avançados de cluster](https://www.servicenow.com/community/intelligence-ml-articles/dive-deeper-with-clustering-advanced-parameters/ta-p/2695847)artigo em Comunidade ServiceNow.  
* Crie uma definição de solução de cluster 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. k-means algoritmo por padrão em sua estrutura de cluster. O DBSCAN é outro algoritmo de cluster que também é usado em mineração de dados e aprendizado de máquina. Alguns usuários preferem O DBSCAN, pois ele não requer que você especifique o número de clusters nos dados antes de fazer o cluster. Para obter um resumo dos prós e contras de cada algoritmo, veja isso [conversa](https://www.researchgate.net/post/What_is_the_difference_between_K-MEAN_and_density_based_clustering_algorithm_DBSCAN)e isso [artigo](https://medium.com/@soroushhashemifar/kmeans-vs-dbscan-d9d5f9dbee8b).

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

## Procedimento

1. Navegar até TudoInteligência preditivaClusteringDefinições de solução.
2. Abra um formulário de definição de solução de cluster.  
   Neste cenário de exemplo, você usa um formulário de definição de solução de clustering de incidentes.  
3. Na guia Configurações avançadas da solução na seção Links relacionados do formulário, selecione Parâmetros da solução no seletor e clique em Novo .  
4. Crie um registro de parâmetro.
   1. Em Parâmetros da solução , selecione o ícone de pesquisa.
   2. Na tela Parâmetros da solução de ML, selecione Use o algoritmo DO DBSCAN para clustering .  
   {#configure-dbscan-for-clustering-solution__substeps_ow5_5tj_zjb}
5. Selecione Enviar.  
   O registro de Configuração de solução avançada é exibido. O campo Entradas do usuário está acinzentado porque não se aplica a este algoritmo.  
6. Selecione Enviar.  
   Resultado: O DBSCAN está configurado para sua solução de cluster. O parâmetro de solução aparece na guia Configurações avançadas da solução do formulário de definição da solução de cluster.  
**Tarefas relacionadas**   

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