如何在大量数据中识别出有用的模式或群体？
在我们日常生活和工作中，数据无处不在。但，在大量数据中找到有用的信息却并非易事。特别是对于那些不具备数据科学背景的人来说，这一任务更加艰巨。那么有没有一种方法，不仅高效还易于理解，能帮助我们从复杂的数据中提取有用的信息呢？
答案是肯定的，这就是HDBSCAN（Hierarchical Density-Based Spatial Clustering of Applications with Noise）算法。
想象一下，你是一家大型零售商店的经理，每天都有成百上千的商品销售数据。想知道哪些商品常常一起被购买，以便更有效地布局货架。可以尝试一下的思路，通过 数据收集: 收集过去一段时间内的销售数据，然后 数据预处理: 清洗数据，只保留商品ID和销售数量，最后 使用HDBSCAN进行聚类分析 HDBSCAN算法找出经常一起被购买的商品。
| 商品ID | 销售数量 | 日期 | 交易ID |
|---|---|---|---|
| A | 2 | 2022-10-01 | T1 |
| B | 1 | 2022-10-01 | T1 |
| C | 1 | 2022-10-01 | T2 |
| A | 1 | 2022-10-01 | T2 |
| D | 3 | 2022-10-02 | T3 |
| E | 1 |
