a la hora de escoger los mejores hiperparametros puedes mirar el 6 en el eje vertical y 1.4 en el horizontal el cual arrojara 3 clusters con un coeficiente de silueta de del 0.22 este seria el mejor coeficiente de silueta arrojado por DBSCAN, creo que es el mejor que se encuentran con al menos 3 clusters
Fundamentos de clustering
¿Qué es el clustering en machine learning?
Tu primer clustering con scikit-learn
¿Cuándo usar clustering?
¿Cómo evaluar modelos de clustering?
K-means
¿Qué es el algoritmo de K-means y cómo funciona?
¿Cuándo usar K-means?
Implementando K-means
Encontrando K
Evaluando resultados de K-means
Hierarchical clustering
¿Qué es hierarchical clustering y cómo funciona?
¿Cuándo usar hierarchical clustering?
Implementando hierarchical clustering
Evaluando resultados de hierarchical clustering
DBSCAN
¿Qué es DBSCAN y cómo funciona?
¿Cuándo usar DBSCAN?
Implementando DBSCAN
Encontrar hÃper-parámetros
Evaluando resultados de DBSCAN
Proyecto: resolviendo un problema con clustering
Preparar datos para clusterizar
Aplicando PCA para clustering
Resolviendo con K-means
Resolviendo con hierarchical clustering
Resolviendo con DBSCAN
Resolviendo con DBSCAN (sin PCA)
Evaluación resultados de distintos modelos de clustering
Conclusiones
Proyecto final y cierre
Comparte tu proyecto de segmentación con clustering y certifÃcate
No tienes acceso a esta clase
¡Continúa aprendiendo! Únete y comienza a potenciar tu carrera
Si ya tienes una cuenta,
Resolviendo con DBSCAN (sin PCA)
24/27Recursos
Aportes 2
Preguntas 2
Ordenar por:
Realicé el mismo proceso de optimización de hiperparámetros, pero implemente un rango de epsilon \[1, 4], con intervalos de 0.01. Usé el rango de min\_samples \[2, 8].
Con la combinación especÃfica de eps=3.74 y min\_samples=2 se obtienen 2 clusters y un coeficiente de silueta aprox (0.54)
¿Quieres ver más aportes, preguntas y respuestas de la comunidad?