🧪

🧠 ¿Qué es DBSCAN?

DBSCAN es un algoritmo de clustering que agrupa datos según su densidad, es decir, forma grupos si encuentra suficientes puntos cerca unos de otros. A diferencia de K-Means, no necesita que le digas cuántos grupos hay.

Imagina una ciudad vista desde arriba: DBSCAN encontraría barrios (grupos densos de casas) y separaría las zonas vacías o ruidosas.

🎯 ¿Para qué sirve?

• Detectar grupos de datos de forma irregular (no solo círculos).
• Encontrar anomalías o valores atípicos (outliers).
• Analizar datos espaciales o geográficos.
• Cuando no sabes cuántos clusters hay.

🔧 ¿Cómo funciona?

Tiene 2 parámetros clave:

• eps (radio): el tamaño del “barrio”.
• min_samples: cuántos vecinos debe haber para formar un grupo.

Clasifica puntos en 3 tipos:

1. Punto central (core point): tiene muchos vecinos cercanos.
2. Punto frontera: está cerca de un punto central, pero no tiene suficientes vecinos por sí mismo.
3. Ruido (outlier): no pertenece a ningún grupo.

💥 Ventajas

✅ No necesitas decir cuántos grupos hay
✅ Encuentra formas raras (no solo redondas)
✅ Distingue entre ruido y grupos reales
✅ Ideal para detectar fraudes, anomalías, patrones geográficos

⚠️ Desventajas

❌ Elegir eps y min_samples puede ser difícil
❌ No funciona tan bien si los grupos tienen densidades muy distintas
❌ Sensible a la escala (requiere normalizar los datos)

🧑‍💻 Ejemplo en Python

pythonCopyEditimport pandas as pd
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
import matplotlib.pyplot as plt

# Datos simulados
data = pd.DataFrame({
    'x': [1, 2, 2, 8, 8, 25, 24, 26, 100],
    'y': [1, 2, 3, 8, 9, 25, 26, 27, 100]
})

# Escalar datos
scaler = StandardScaler()
X_scaled = scaler.fit_transform(data)

# Aplicar DBSCAN
dbscan = DBSCAN(eps=0.8, min_samples=2)
clusters = dbscan.fit_predict(X_scaled)

# Añadir resultados
data['cluster'] = clusters

# Visualizar
plt.scatter(data['x'], data['y'], c=data['cluster'], cmap='rainbow')
plt.title("Clustering con DBSCAN")
plt.xlabel("x")
plt.ylabel("y")
plt.show()

📌 Interpretación del resultado

• Los puntos con cluster = -1 son ruido o anomalías.
• El resto son los grupos detectados.

🧩 En resumen