Puntos de ruido

Parte de la sección Aprendizaje no supervisado del Journey de Machine Learning de Coddy. Lección 21 de 51.

No todos los puntos se unen a una multitud. DBSCAN etiqueta esos puntos como -1: ruido. En un parque, los picnics son multitudes y las personas sentadas solas son ruido:

Un mapa de un parque con cuatro picnics como grupos compactos de puntos de colores, de tamaños 16, 12, 20 y 14, y nueve personas solas representadas con marcas x grises dispersas entre ellos

Cuenta ambos:

labels = DBSCAN(eps=3, min_samples=4).fit_predict(X)
print((labels == -1).sum())
print(labels.max() + 1)

Esto imprime 9 y 4. El ruido es -1, así que la etiqueta más grande sigue contando las multitudes.

El ruido no es un fallo. A menudo, los puntos aislados cuentan la historia: un excursionista fuera del sendero, una lectura distinta de las demás.

Desafío

Intermedio

Los renos llevan collares GPS. Las manadas son grupos; un reno que está solo puede haberse perdido o estar herido, así que el pastor visita primero a esos renos. El código inicial ejecuta DBSCAN con min_samples leído de la entrada.

Imprime cuántas manadas hay.
Imprime cuántos renos están solos.
Imprime sus identificadores como una lista para comprobar cómo están.

Para los collares de otro pastor:

Herds: 2
Lone reindeer: 3
Check on: ['R011', 'R027', 'R040']

Prueba con un valor mayor de min_samples: una regla de agrupamiento más estricta deja a más renos solos.

Pruébalo tú mismo

import numpy as np
import pandas as pd
from sklearn.cluster import DBSCAN

# Collares GPS al amanecer: identificador y posición de cada reno en km
reindeer = pd.read_csv("reindeer.csv")
X = np.column_stack([reindeer["east_km"], reindeer["north_km"]])
min_samples = int(input())
labels = DBSCAN(eps=0.6, min_samples=min_samples).fit_predict(X)

# Escribe tu código a continuación