K-मीन्स और DBSCAN में क्या अंतर है?

के-मीन्स

K- साधन क्लस्टरिंग विभाजन एल्गोरिथ्म है। K- साधन डेटासेट में प्रत्येक डेटा को बनाए गए नए समूहों में से केवल एक में फिर से बनाता है। दूरी या समानता के माप का उपयोग करके आसन्न क्लस्टर को एक डेटा या डेटा बिंदु असाइन किया जाता है।

k- साधन में, एक वस्तु निकटतम केंद्र में उत्पन्न होती है। यह कैन-लिंक बाधाओं को परिभाषित कर सकता है, और यह केंद्र असाइनमेंट प्रक्रिया को k-मीन्स में निकटतम लागू केंद्र असाइनमेंट में संशोधित करता है।

जब वस्तुओं को अनुक्रम में केंद्रों में बनाया जाता है, तो प्रत्येक चरण में यह असाइनमेंट प्रदान कर सकता है अब तक कुछ असंबद्ध बाधाओं को अव्यवस्थित नहीं करता है। ऑब्जेक्ट को निकटतम केंद्र में बनाया जाता है इसलिए असाइनमेंट कुछ लिंक नहीं कर सकने वाली बाधाओं का सम्मान करता है।

डीबीएससीएएन

DBSCAN शोर के साथ अनुप्रयोगों के घनत्व-आधारित स्थानिक क्लस्टरिंग का प्रतिनिधित्व करता है। यह एक घनत्व-आधारित क्लस्टरिंग एल्गोरिथम है। एल्गोरिथ्म पर्याप्त रूप से उच्च घनत्व वाले क्षेत्रों को समूहों में सुधारता है और शोर के साथ स्थानिक डेटाबेस में मनमानी संरचना के समूहों की खोज करता है। यह क्लस्टर को घनत्व से जुड़े बिंदुओं के अधिकतम सेट के रूप में परिभाषित करता है।

घनत्व-आधारित क्लस्टर घनत्व से जुड़ी वस्तुओं का एक सेट है जो घनत्व-पहुंच योग्यता के संबंध में अधिकतम है। प्रत्येक वस्तु जो कुछ क्लस्टर में शामिल नहीं है उसे शोर माना जाता है।

डेटाबेस में प्रत्येक बिंदु के -पड़ोस की जाँच करके DBSCAN क्लस्टर के लिए जाँच करता है। यदि किसी बिंदु p के -पड़ोस में MinPts से अधिक है, तो एक नया क्लस्टर p के साथ मूल तत्व के रूप में उत्पन्न होता है। DBSCAN इन आवश्यक तत्वों से सटीक रूप से घनत्व-पहुंच योग्य वस्तुओं को इकट्ठा करता है, जिसमें कुछ घनत्व-पहुंच योग्य समूहों का विलय शामिल हो सकता है। जब किसी क्लस्टर में कोई नया बिंदु नहीं जोड़ा जा सकता है तो प्रक्रिया समाप्त हो जाती है।

आइए देखते हैं K-मीन्स और DBSCAN के बीच तुलना।