DBSCAN, ¿algo nuevo bajo el sol?
Ha sido en latitudes otras que las habituales que he aprendido y leído (mas no probado) sobre DBSCAN. Se conoce que es un nuevo (aunque ya tiene sus añitos: algo así como 20) método de clústering.
Por un lado, se agradecen las novedades.
Por el otro, tengo cierta aversión a las cosas que proceden de los congresos de Knowledge Discovery and Data Mining, que es donde fue publicado el algoritmo.
En esencia, funciona así: se fijan dos parámetros, e y n. Un punto es central si a distancia e o menor tiene, al menos, otros n puntos. Los clústers los conforman:
- Puntos centrales que están a una distancia menor de
ede algún otro (los amigos de amigos son amigos). - Puntos que están a menos de
ede los anteriores (aunque no sean centrales).
No se fija el número de clústers de antemano. Los únicos parámetros son los anteriores. Los puntos que no caen en ningún clúster son ruido (y se ignoran); esto es novedad.
Como consecuencia de lo anterior, los clústers creados por DBSCAN pueden ser largos, i.e., cadenas de puntos. Esto plantea un problema: que puntos de un mismo clúster situados en extremos de una de esas cadenas largas acaben pareciéndose como los proverbiales huevos y castañas.
Además, no tengo claro cómo de sustancialmente difiere el resultado de este algoritmo (y el algoritmo en sí) del tradicional clústering jerárquico usando la distancia del mínimo entre los subclústers candidatos a unirse.
Bueno o no, mis alumnos del máster de la UTAD de la siguiente edición serán los principales sufridores de mi curiosidad y de ver si dbscan mejora, empeora, difiere o se asemeja a otras cosas que por ahí existen.
