Points de bruit

Fait partie de la section Apprentissage non supervisé du Journey Machine Learning de Coddy. Leçon 21 sur 51.

Tous les points ne rejoignent pas un groupe. DBSCAN étiquette ceux-ci -1 : bruit. Dans un parc, les pique-niques forment des groupes et les personnes assises seules sont du bruit :

Carte d’un parc montrant quatre pique-niques sous forme de groupes serrés de points colorés, de tailles 16, 12, 20 et 14, et neuf personnes seules représentées par des x gris dispersés entre eux

Comptez les deux :

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

Cela affiche 9 et 4. Le bruit est -1, donc l’étiquette la plus élevée compte toujours les foules.

Le bruit n’est pas un échec. Souvent, les points isolés racontent l’histoire : un randonneur hors du sentier, une mesure différente des autres.

Défi

Moyen

Les rennes portent des colliers GPS. Les troupeaux sont des groupes ; un renne seul peut être perdu ou blessé, alors le gardien va d’abord voir ceux-là. Le code de départ exécute DBSCAN avec min_samples lu depuis l’entrée.

Affiche combien il y a de troupeaux.
Affiche combien de rennes sont seuls.
Affiche leurs identifiants sous forme de liste, pour aller les voir.

Pour les colliers d’un autre gardien :

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

Essaie une valeur de min_samples plus grande : une règle plus stricte pour former un groupe laisse davantage de rennes seuls.

Essayez vous-même

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

# Colliers GPS à l’aube : l’identifiant et la position en km de chaque renne
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)

# Écrivez votre code ci-dessous