cluster_optics_dbscan#

sklearn.cluster.cluster_optics_dbscan(*, reachability, core_distances, ordering, eps)[source]#

为任意 epsilon 执行 DBSCAN 提取。

提取簇需要线性时间。请注意，只有当 eps 接近 max_eps 时，结果 labels_ 才接近于使用类似设置和 eps 的 DBSCAN。

参数:

reachabilityndarray of shape (n_samples,): 由 OPTICS 计算的可达性距离 (reachability_)。
core_distancesndarray of shape (n_samples,): 点成为核心的距离 (core_distances_)。
orderingndarray of shape (n_samples,): OPTICS 排序的点索引 (ordering_)。
epsfloat: DBSCAN eps 参数。必须设置为 < max_eps。如果 eps 和 max_eps 彼此接近，则结果将接近 DBSCAN 算法。

返回:

labels_array of shape (n_samples,): 估计的标签。

示例

>>> import numpy as np
>>> from sklearn.cluster import cluster_optics_dbscan, 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,
... )
>>> eps = 4.5
>>> labels = cluster_optics_dbscan(
...     reachability=reachability,
...     core_distances=core_distances,
...     ordering=ordering,
...     eps=eps,
... )
>>> labels
array([0, 0, 0, 1, 1, 1])

Gallery examples#

OPTICS 聚类算法演示

cluster_optics_dbscan#

Gallery examples#

本页