OPTICS#

class sklearn.cluster.OPTICS(*, min_samples=5, max_eps=inf, metric='minkowski', p=2, metric_params=None, cluster_method='xi', eps=None, xi=0.05, predecessor_correction=True, min_cluster_size=None, algorithm='auto', leaf_size=30, memory=None, n_jobs=None)[source]#

从向量数组估计聚类结构。

OPTICS (识别聚类结构的排序点) 与 DBSCAN 紧密相关，它查找高密度核心样本并从中扩展聚类 [1]。与 DBSCAN 不同的是，它为可变邻域半径保留聚类层次结构。与当前 sklearn 实现的 DBSCAN 相比，它更适合用于大型数据集。

然后使用类似 DBSCAN 的方法 (cluster_method = 'dbscan') 或 [1] 中提出的自动技术 (cluster_method = 'xi') 提取聚类。

此实现偏离了原始 OPTICS，它首先对所有点执行 k 近邻搜索以识别核心大小，然后在构建聚类顺序时仅计算到未处理点的距离。请注意，我们不使用堆来管理扩展候选，因此时间复杂度将为 O(n^2)。

在 用户指南 中了解更多信息。

参数：
min_samplesint > 1 或介于 0 和 1 之间的浮点数，默认为 5

一个点被视为核心点的邻域中的样本数。此外，上下陡峭区域连续的非陡峭点数不能超过 min_samples。表示为绝对数或样本数的比例（四舍五入到至少 2）。

max_eps浮点数，默认为 np.inf

两个样本之间被认为在彼此邻域内的最大距离。默认值为 np.inf 将识别所有尺度上的聚类；减小 max_eps 将缩短运行时间。

metric字符串或可调用对象，默认为 'minkowski'

用于距离计算的度量。可以使用 scikit-learn 或 scipy.spatial.distance 中的任何度量。

如果 metric 是可调用函数，则它会在每一对实例（行）上调用，并记录结果值。可调用对象应接受两个数组作为输入并返回一个值，指示它们之间的距离。这适用于 Scipy 的度量，但效率低于将度量名称作为字符串传递。如果 metric 为“预计算”，则假设 X 为距离矩阵且必须为方阵。

metric 的有效值为：

  • 来自 scikit-learn：[‘cityblock’, ‘cosine’, ‘euclidean’, ‘l1’, ‘l2’, ‘manhattan’]

  • 来自 scipy.spatial.distance：[‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’]

稀疏矩阵仅受 scikit-learn 度量支持。有关这些度量的详细信息，请参见 scipy.spatial.distance 的文档。

注意

'kulsinski' 已自 SciPy 1.9 起弃用，并将在 SciPy 1.11 中移除。

p浮点数，默认为 2

来自 pairwise_distances 的 Minkowski 度量的参数。当 p = 1 时，这等效于使用 manhattan_distance (l1)，而 p = 2 时则为 euclidean_distance (l2)。对于任意 p，使用 minkowski_distance (l_p)。

metric_params字典，默认为 None

度量函数的其他关键字参数。

cluster_method字符串，默认为 'xi'

使用计算的可达性和排序提取聚类的提取方法。可能的值为“xi”和“dbscan”。

eps浮点数，默认为 None

两个样本之间被认为在彼此邻域内的最大距离。默认情况下，它假定与 max_eps 相同的值。仅当 cluster_method='dbscan' 时使用。

xi介于 0 和 1 之间的浮点数，默认为 0.05

确定可达性图上构成聚类边界的最小陡度。例如，可达性图中的向上点定义为一点与其后继者之间的比率最多为 1-xi。仅当 cluster_method='xi' 时使用。

predecessor_correction布尔值，默认为 True

根据 OPTICS 计算的前驱校正聚类 [2]。此参数对大多数数据集的影响最小。仅当 cluster_method='xi' 时使用。

min_cluster_sizeint > 1 或介于 0 和 1 之间的浮点数，默认为 None

OPTICS 聚类中的最小样本数，表示为绝对数或样本数的比例（四舍五入到至少 2）。如果为 None，则使用 min_samples 的值。仅当 cluster_method='xi' 时使用。

algorithm{'auto', 'ball_tree', 'kd_tree', 'brute'}，默认为 'auto'

用于计算最近邻的算法

  • ‘ball_tree’ 将使用 BallTree。

  • ‘kd_tree’ 将使用 KDTree。

  • ‘brute’ 将使用蛮力搜索。

  • ‘auto’（默认）将尝试根据传递给 fit 方法的值确定最合适的算法。

注意：对稀疏输入进行拟合将覆盖此参数的设置，使用蛮力。

leaf_size整数，默认为 30

传递给 BallTree 或 KDTree 的叶子大小。这会影响构建和查询的速度，以及存储树所需的内存。最佳值取决于问题的性质。

memory字符串或具有 joblib.Memory 接口的对象，默认为 None

用于缓存树的计算输出。默认情况下，不进行缓存。如果给定字符串，则它是缓存目录的路径。

n_jobs整数，默认为 None

为邻居搜索运行的并行作业数。None 表示 1，除非在 joblib.parallel_backend 上下文中。-1 表示使用所有处理器。有关更多详细信息，请参见 词汇表。

属性：
labels_形状为 (n_samples,) 的 ndarray

数据集在`fit()`方法中提供的每个点的聚类标签。噪声样本和未包含在cluster_hierarchy_叶节点聚类中的点标记为 -1。

reachability_形状为 (n_samples,) 的 ndarray

每个样本的可达距离，按对象顺序索引。使用 clust.reachability_[clust.ordering_] 按聚类顺序访问。

ordering_形状为 (n_samples,) 的 ndarray

样本索引的聚类排序列表。

core_distances_形状为 (n_samples,) 的 ndarray

每个样本成为核心点的距离，按对象顺序索引。永远不会成为核心点的样本距离为无穷大 (inf)。使用 clust.core_distances_[clust.ordering_] 按聚类顺序访问。

predecessor_形状为 (n_samples,) 的 ndarray

样本从哪个点到达，按对象顺序索引。种子点的 predecessor 为 -1。

cluster_hierarchy_形状为 (n_clusters, 2) 的 ndarray

以 [start, end] 形式的聚类列表，每行包含所有索引。聚类根据 (end, -start) （升序）排序，以便包含较小聚类的较大聚类排在较小聚类之后。由于 labels_ 没有反映层次结构，通常情况下 len(cluster_hierarchy_) > np.unique(optics.labels_)。还要注意，这些索引是 ordering_ 的索引，即 X[ordering_][start:end + 1] 构成一个聚类。仅当 cluster_method='xi' 时可用。

n_features_in_int

在 fit 期间看到的特征数量。

在 0.24 版本中添加。

feature_names_in_形状为 (n_features_in_,) 的 ndarray

在 fit 期间看到的特征名称。仅当 X 的特征名称全部为字符串时才定义。

在 1.0 版本中添加。

另请参阅

DBSCAN

针对指定的邻域半径 (eps) 的类似聚类。我们的实现针对运行时进行了优化。

参考文献

[1] (1,2)

Ankerst, Mihael, Markus M. Breunig, Hans-Peter Kriegel 和 Jörg Sander。“OPTICS：对点进行排序以识别聚类结构。” ACM SIGMOD Record 28，no. 2 (1999)：49-60。

[2]

Schubert, Erich, Michael Gertz。“改进从 OPTICS 图中提取的聚类结构。” “学习、知识、数据、分析”会议论文集 (LWDA) (2018)：318-329。

示例

>>> from sklearn.cluster import OPTICS
>>> import numpy as np
>>> X = np.array([[1, 2], [2, 5], [3, 6],
...               [8, 7], [8, 8], [7, 3]])
>>> clustering = OPTICS(min_samples=2).fit(X)
>>> clustering.labels_
array([0, 0, 0, 1, 1, 1])

有关更详细的示例，请参见 OPTICS 聚类算法演示。

fit(X, y=None)[source]#

执行 OPTICS 聚类。

提取点的有序列表和可达距离，并使用在 OPTICS 对象实例化时指定的 max_eps 距离执行初始聚类。

参数：
X形状为 (n_samples, n_features) 的 {ndarray，稀疏矩阵}，如果 metric='precomputed'，则为 (n_samples, n_samples)

特征数组，或者如果 metric='precomputed'，则为样本之间距离的数组。如果提供稀疏矩阵，它将转换为 CSR 格式。

y忽略

未使用，根据约定存在以保持 API 一致性。

返回：
self对象

返回拟合后的 self 实例。

fit_predict(X, y=None, **kwargs)[source]#

对 X 执行聚类并返回聚类标签。

参数：
X形状为 (n_samples, n_features) 的类数组

输入数据。

y忽略

未使用，根据约定存在以保持 API 一致性。

kwargsdict

要传递给 fit 的参数。

在 1.4 版本中添加。

返回：
labels形状为 (n_samples,)，dtype=np.int64 的 ndarray

聚类标签。

get_metadata_routing()[source]#

获取此对象的元数据路由。

请查看 用户指南，了解路由机制的工作原理。

返回：
routingMetadataRequest

一个 MetadataRequest，封装路由信息。

get_params(deep=True)[source]#

获取此估计器的参数。

参数：
deepbool，默认为 True

如果为 True，将返回此估计器和作为估计器的包含子对象的参数。

返回：
paramsdict

参数名称与其值的映射。

set_params(**params)[source]#

设置此估计器的参数。

此方法适用于简单的估计器以及嵌套对象（例如 Pipeline）。后者具有 <component>__<parameter> 形式的参数，因此可以更新嵌套对象的每个组件。

参数：
**params**字典

估计器参数。

返回：
self估计器实例

估计器实例。