如何通过改变参数 xi 在 python 中使用 OPTICS 获得不同的集群？
How to get different clusters using OPTICS in python by varying the parameter xi?
我正在尝试使用 python 的 sklearn
使 OPTICS 聚类模型适合我的数据
from sklearn.cluster import OPTICS, cluster_optics_dbscan
from sklearn.preprocessing import StandardScaler
x = StandardScaler().fit_transform(data.loc[:, features])
op = OPTICS(max_eps=20, min_samples=10, xi=0.1)
op = op.fit(x)
从这个拟合模型中，我得到了点的可达距离 (op.reachability_) 和排序 (op.ordering_) 以及聚类标签 (op.labels_)
现在，我想通过更改参数 xi（在本例中为 0.01）来检查集群如何变化。我可以不用一次又一次地用不同的 xi 来拟合模型（这需要很多时间）吗？
或者，换句话说，是否有一个 scikit-learn 函数获取可达距离 (op.reachability_)、点的顺序 (op.ordering_) 和 xi 作为输入和输出集群标签？
我找到了一个函数 cluster_optics_dbscan，其中“performs DBSCAN extraction for an arbitrary epsilon given reachability-distances, core-distances and ordering and epsilon”（不是我想要的）
先验，您需要调用 fit 方法，它正在执行实际的集群计算，如 function description.
中所述
但是，如果你看opticsclass，cluster_optics_xi 函数“根据Xi-steep方法自动提取簇”，同时调用 _xi_cluster 和 _extract_xi_labels 函数，它们都将 xi 参数作为输入。因此，通过使用它们并进行一些重构，您也许能够实现您想要的。
我正在尝试使用 python 的 sklearn
from sklearn.cluster import OPTICS, cluster_optics_dbscan
from sklearn.preprocessing import StandardScaler
x = StandardScaler().fit_transform(data.loc[:, features])
op = OPTICS(max_eps=20, min_samples=10, xi=0.1)
op = op.fit(x)
从这个拟合模型中，我得到了点的可达距离 (op.reachability_) 和排序 (op.ordering_) 以及聚类标签 (op.labels_)
现在，我想通过更改参数 xi（在本例中为 0.01）来检查集群如何变化。我可以不用一次又一次地用不同的 xi 来拟合模型（这需要很多时间）吗？
或者，换句话说，是否有一个 scikit-learn 函数获取可达距离 (op.reachability_)、点的顺序 (op.ordering_) 和 xi 作为输入和输出集群标签？
我找到了一个函数 cluster_optics_dbscan，其中“performs DBSCAN extraction for an arbitrary epsilon given reachability-distances, core-distances and ordering and epsilon”（不是我想要的）
先验，您需要调用 fit 方法，它正在执行实际的集群计算，如 function description.
中所述但是，如果你看opticsclass，cluster_optics_xi 函数“根据Xi-steep方法自动提取簇”，同时调用 _xi_cluster 和 _extract_xi_labels 函数，它们都将 xi 参数作为输入。因此，通过使用它们并进行一些重构，您也许能够实现您想要的。