estimate_bandwidth#

sklearn.cluster.estimate_bandwidth(X, *, quantile=0.3, n_samples=None, random_state=0, n_jobs=None)[source]#

估算与 mean-shift 算法一起使用的带宽。

此函数的时间复杂度至少为 n_samples 的平方。对于大型数据集，通过设置 n_samples 进行子采样是明智的。或者，可以在不进行估计的情况下将参数 bandwidth 设置为一个较小的值。

参数:
Xshape 为 (n_samples, n_features) 的 array-like

输入点。

quantilefloat, default=0.3

应在 [0, 1] 之间。0.5 意味着使用所有成对距离的中位数。

n_samplesint, default=None

要使用的样本数量。如果未给出，则使用所有样本。

random_stateint, RandomState instance, default=None

用于从输入点中随机选择样本进行带宽估计的生成器。使用整数使随机性具有确定性。参见 Glossary。

n_jobsint, default=None

用于邻居搜索的并行作业数。None 表示 1，除非在 joblib.parallel_backend 上下文中。-1 表示使用所有处理器。有关详细信息，请参阅 词汇表。

返回:
bandwidthfloat

带宽参数。

示例

>>> import numpy as np
>>> from sklearn.cluster import estimate_bandwidth
>>> X = np.array([[1, 1], [2, 1], [1, 0],
...               [4, 7], [3, 5], [3, 6]])
>>> estimate_bandwidth(X, quantile=0.5)
np.float64(1.61)