Pontos de Ruído

Parte da seção Aprendizado não supervisionado do Journey de Machine Learning da Coddy. Lição 21 de 51.

Nem todo ponto se junta a uma multidão. O DBSCAN rotula esses pontos como -1: ruído. Em um parque, os piqueniques são multidões e as pessoas sentadas sozinhas são ruído:

Um mapa de parque com quatro piqueniques como grupos compactos de pontos coloridos, com tamanhos 16, 12, 20 e 14, e nove pessoas sozinhas como marcas x cinzas espalhadas entre eles

Conte ambos:

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

Isso imprime 9 e 4. Ruído é -1, então o maior rótulo ainda conta os grupos.

Ruído não é uma falha. Muitas vezes, os pontos isolados contam a história: um caminhante fora da trilha, uma leitura diferente das demais.

Desafio

Médio

As renas usam coleiras GPS. Os rebanhos são grupos; uma rena sozinha pode estar perdida ou ferida, então o pastor visita essas primeiro. O código inicial executa DBSCAN com min_samples lido da entrada.

Imprima quantos rebanhos há.
Imprima quantas renas estão sozinhas.
Imprima as etiquetas delas como uma lista, para verificar como estão.

Para as coleiras de outro pastor:

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

Experimente um min_samples maior: uma regra mais rígida para formar grupos deixa mais renas sozinhas.

Experimente você mesmo

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

# Coleiras GPS ao amanhecer: a identificação e a posição de cada rena em 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)

# Escreva seu código abaixo