计算 OPTICS 图#

sklearn.cluster.compute_optics_graph(X, *, min_samples, max_eps, metric, p, metric_params, algorithm, leaf_size, n_jobs)[source]#

计算OPTICS可达性图。

更多信息请阅读 用户指南。

参数：
X形状为 (n_samples, n_features) 的{ndarray, sparse matrix}，如果 metric=’precomputed’ 则为 (n_samples, n_samples)

特征数组，或者如果 metric=’precomputed’ 则为样本间距离数组。

min_samplesint > 1 或 0 到 1 之间的浮点数

一个点被认为是核心点的邻域样本数。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一个样本邻域内的最大距离。默认为 np.inf 将识别所有尺度上的聚类；减小 max_eps 将缩短运行时间。

metricstr 或 callable，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 是一个可调用函数，则它会在每一对实例（行）上调用，并记录结果值。可调用函数应接收两个数组作为输入并返回一个值，表示它们之间的距离。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“precomputed”，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’]

有关这些度量的详细信息，请参阅 scipy.spatial.distance 的文档。

注意

'kulsinski' 已在 SciPy 1.9 中弃用，并将从 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 时则等效于 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。

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’ 将尝试根据传递给 fit 方法的值确定最合适的算法。（默认）

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。

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。更多详情请见 词汇表。

返回：
ordering_形状为 (n_samples,) 的数组

样本索引的聚类有序列表。

core_distances_形状为 (n_samples,) 的数组

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点的距离为 inf。使用 clust.core_distances_[clust.ordering_] 按聚类顺序访问。

reachability_形状为 (n_samples,) 的数组

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。

predecessor_形状为 (n_samples,) 的数组

从哪个点到达样本，按对象顺序索引。种子点的祖先为 -1。

参考文献

[1]

Ankerst, Mihael, Markus M. Breunig, Hans-Peter Kriegel, and Jörg Sander. “OPTICS: ordering points to identify the clustering structure.” ACM SIGMOD Record 28, no. 2 (1999): 49-60.

示例

>>> import numpy as np
>>> from sklearn.cluster import compute_optics_graph
>>> X = np.array([[1, 2], [2, 5], [3, 6],
...               [8, 7], [8, 8], [7, 3]])
>>> ordering, core_distances, reachability, predecessor = compute_optics_graph(
...     X,
...     min_samples=2,
...     max_eps=np.inf,
...     metric="minkowski",
...     p=2,
...     metric_params=None,
...     algorithm="auto",
...     leaf_size=30,
...     n_jobs=None,
... )
>>> ordering
array([0, 1, 2, 5, 3, 4])
>>> core_distances
array([3.16..., 1.41..., 1.41..., 1.        , 1.        ,
       4.12...])
>>> reachability
array([       inf, 3.16..., 1.41..., 4.12..., 1.        ,
       5.        ])
>>> predecessor
array([-1,  0,  1,  5,  3,  2])