DBSCAN（Density Based Spatial Clustering of Applications with Noise）是一種基于密度的聚類算法。它將簇定義為密度相連的點的最大集合。把具有高密度的區域劃分為簇，可以在噪聲的空間數據集中發現任意形狀的聚類。您可以使用DBSCAN預測組件基于DBSCAN訓練模型來預測新的點數據所屬的簇。本文為您介紹DBSCAN預測組件的配置方法。
使用限制
支持的計算引擎為MaxCompute、Flink或DLC。
可視化配置組件參數
Designer支持通過可視化的方式，配置組件參數。
頁簽 | 參數 | 描述 |
字段設置 | 算法保留列名 | 選擇算法保留列。 |
參數設置 | 預測結果列名 | 輸入預測結果列名稱。 |
預測詳細信息列名 | 輸入預測詳細信息列的列名稱。 | |
組件多線程線程個數 | 組件多線程的線程個數，默認為1。 | |
執行調優 | 節點個數 | 與單個節點內存大小參數配對使用。取值為[1, 9999]的正整數。具體配置方法，詳情請參見附錄：如何預估資源的使用量。 |
單個節點內存大小，單位M | 取值范圍為1024 MB~64*1024 MB。具體配置方法，詳情請參見附錄：如何預估資源的使用量。 |
附錄：如何預估資源的使用量
您可以參考以下內容，來預估資源的使用量。
如何預估每個節點使用的內存大小？
將模型的大小乘以30，即為每個節點使用的內存大小。
例如：輸入數據（模型）的大小為1 GB，則每個節點使用的內存大小可以配置為30 GB。
如何預估使用的節點個數？
由于存在通信開銷，隨著節點數量的增加，分布式訓練任務速度會先變快，后變慢。如果您觀測到訓練任務隨著節點數量增加之后，速度變慢，則應該停止增加節點數量。
文檔內容是否對您有幫助？