cluster_optics_dbscan#

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

針對任意 epsilon 執行 DBSCAN 提取。

提取群集以線性時間執行。請注意，這會產生 labels_，其接近於具有相似設定和 eps 的 DBSCAN，僅當 eps 接近 max_eps 時才成立。

參數:
reachability形狀為 (n_samples,) 的 ndarray

由 OPTICS 計算的可達性距離（reachability_）。

core_distances形狀為 (n_samples,) 的 ndarray

點成為核心的距離（core_distances_）。

ordering形狀為 (n_samples,) 的 ndarray

OPTICS 排序的點索引（ordering_）。

eps浮點數

DBSCAN eps 參數。必須設定為 < max_eps。如果 eps 和 max_eps 彼此接近，則結果將接近 DBSCAN 演算法。

回傳值:
labels_形狀為 (n_samples,) 的陣列

估計的標籤。

範例

>>> 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])