DBSCAN mengelompokkan pengamatan yang terhubung melalui neighborhood yang padat. DBSCAN dapat membiarkan catatan terisolasi berada di luar semua klaster, dan Anda tidak perlu menentukan jumlah klaster lebih dulu. Radius dan ukuran neighborhood minimum menentukan hal itu. Anda akan melakukan fit klaster kepadatan, memeriksa label noise, dan membandingkan keanggotaan tanpa memberi makna pada nomor kelompok yang sembarang. Kelompok berlabel nol tetaplah sebuah kelompok; noise berlabel minus satu. Satuan jarak penting, sehingga masukan dengan skala yang tidak berkaitan biasanya perlu dipersiapkan terlebih dahulu. Pelajaran ini memakai data dua dimensi yang sengaja dipisahkan agar Anda dapat memeriksa perilaku neighborhood sebelum menangani segmen bisnis yang ambigu.
DBSCAN menemukan wilayah padat yang saling terhubung dan membiarkan pengamatan yang terisolasi berada di luar klaster.