OPTICS

class sklearn.cluster.OPTICS(*, min_samples=5, max_eps=inf, metric='minkowski', p=2, metric_params=None, cluster_method='xi', eps=None, xi=0.05, predecessor_correction=True, min_cluster_size=None, algorithm='auto', leaf_size=30, memory=None, n_jobs=None)

從向量陣列估計叢集結構。

OPTICS（Ordering Points To Identify the Clustering Structure，排序點以識別叢集結構）與 DBSCAN 密切相關，它會找出高密度的核心樣本，並從這些核心樣本擴展叢集 [1]。與 DBSCAN 不同的是，它為可變的鄰域半徑保留了叢集階層。與目前 sklearn 實作的 DBSCAN 相比，更適合用於大型資料集。

然後使用類似 DBSCAN 的方法（cluster_method = ‘dbscan’）或 [1] 中提出的自動技術（cluster_method = ‘xi’）提取叢集。

此實作與原始 OPTICS 的不同之處在於，它首先對所有點執行 k 最近鄰搜尋，以識別核心大小，然後在建構叢集順序時，僅計算到未處理點的距離。請注意，我們不使用堆積來管理擴展候選點，因此時間複雜度將為 O(n^2)。

請在使用者指南中閱讀更多資訊。

參數:

min_samplesint > 1 或介於 0 和 1 之間的浮點數，預設值為 5

一個點要被視為核心點，其鄰域中所需的樣本數。此外，向上和向下的陡峭區域不能有超過 min_samples 個連續的非陡峭點。以絕對數字或樣本數的分數表示（四捨五入為至少 2）。

max_epsfloat，預設值為 np.inf

兩個樣本之間的最大距離，其中一個樣本要被視為在另一個樣本的鄰域中。預設值 np.inf 將識別所有尺度上的叢集；減少 max_eps 將會縮短執行時間。

metricstr 或可呼叫物件，預設值為 ‘minkowski’

用於距離計算的度量。可以使用 scikit-learn 或 scipy.spatial.distance 中的任何度量。

如果 metric 是一個可呼叫的函式，則會針對每一對實例（列）呼叫它，並記錄結果值。可呼叫函式應接受兩個陣列作為輸入，並傳回一個值，表示它們之間的距離。這適用於 Scipy 的度量，但不如將度量名稱作為字串傳遞有效率。如果 metric 為 “precomputed”，則假設 X 為距離矩陣，並且必須是正方形。

metric 的有效值為

• 來自 scikit-learn：[‘cityblock’, ‘cosine’, ‘euclidean’, ‘l1’, ‘l2’, ‘manhattan’]

• 來自 scipy.spatial.distance：[‘braycurtis’, ‘canberra’, ‘chebyshev’, ‘correlation’, ‘dice’, ‘hamming’, ‘jaccard’, ‘kulsinski’, ‘mahalanobis’, ‘minkowski’, ‘rogerstanimoto’, ‘russellrao’, ‘seuclidean’, ‘sokalmichener’, ‘sokalsneath’, ‘sqeuclidean’, ‘yule’]

稀疏矩陣僅支援 scikit-learn 度量。如需這些度量的詳細資訊，請參閱 scipy.spatial.distance 的文件。

注意

'kulsinski' 從 SciPy 1.9 開始已被棄用，並將在 SciPy 1.11 中移除。

pfloat，預設值為 2

來自 pairwise_distances 的 Minkowski 度量的參數。當 p = 1 時，這相當於使用 manhattan_distance (l1)；而 p = 2 時，則相當於 euclidean_distance (l2)。對於任意 p，則使用 minkowski_distance (l_p)。

metric_paramsdict，預設值為 None

度量函式的其他關鍵字引數。

cluster_methodstr，預設值為 ‘xi’

使用計算出的可達性和排序來提取叢集所用的提取方法。可能的值為 “xi” 和 “dbscan”。

epsfloat，預設值為 None

兩個樣本之間的最大距離，其中一個樣本要被視為在另一個樣本的鄰域中。預設情況下，它假設與 max_eps 相同的值。僅在 cluster_method='dbscan' 時使用。

xi介於 0 和 1 之間的浮點數，預設值為 0.05

決定可達性圖中構成叢集邊界的最小陡度。例如，可達性圖中的向上點定義為一個點到其後繼點的比率最多為 1-xi。僅在 cluster_method='xi' 時使用。

predecessor_correctionbool，預設值為 True

根據 OPTICS 計算出的前導點修正群集 [2]。此參數對大多數數據集影響極小。僅在 cluster_method='xi' 時使用。

min_cluster_sizeint > 1 或介於 0 和 1 之間的 float，預設值為 None

OPTICS 群集中最小的樣本數，以絕對數字或樣本數的比例表示（四捨五入至少為 2）。如果為 None，則改為使用 min_samples 的值。僅在 cluster_method='xi' 時使用。

algorithm{‘auto’, ‘ball_tree’, ‘kd_tree’, ‘brute’}, 預設值為 ‘auto’

用於計算最近鄰的演算法

• ‘ball_tree’ 將使用 BallTree。

• ‘kd_tree’ 將使用 KDTree。

• ‘brute’ 將使用暴力搜尋。

• ‘auto’（預設值）將嘗試根據傳遞給 fit 方法的值來決定最合適的演算法。

注意：在稀疏輸入上進行擬合將覆寫此參數的設定，使用暴力搜尋。

leaf_sizeint，預設值為 30

傳遞給 BallTree 或 KDTree 的葉節點大小。這可能會影響建構和查詢的速度，以及儲存樹所需的記憶體。最佳值取決於問題的性質。

memory具有 joblib.Memory 介面的 str 或物件，預設值為 None

用於快取樹狀計算的輸出。預設情況下，不進行快取。如果給定字串，則它是快取目錄的路徑。

n_jobsint，預設值為 None

用於執行鄰居搜尋的並行作業數量。None 表示 1，除非在 joblib.parallel_backend 環境中。-1 表示使用所有處理器。請參閱 詞彙表 以獲取更多詳細資訊。

屬性:

labels_形狀為 (n_samples,) 的 ndarray

給定 fit() 的數據集中每個點的群集標籤。雜訊樣本和未包含在 cluster_hierarchy_ 的葉節點群集中的點將標記為 -1。

reachability_形狀為 (n_samples,) 的 ndarray

每個樣本的可達距離，依物件順序索引。使用 clust.reachability_[clust.ordering_] 以群集順序存取。

ordering_形狀為 (n_samples,) 的 ndarray

樣本索引的群集排序列表。

core_distances_形狀為 (n_samples,) 的 ndarray

每個樣本成為核心點的距離，依物件順序索引。永遠不會成為核心的點的距離為 inf。使用 clust.core_distances_[clust.ordering_] 以群集順序存取。

predecessor_形狀為 (n_samples,) 的 ndarray

樣本從哪個點到達，依物件順序索引。種子點的前導點為 -1。

cluster_hierarchy_形狀為 (n_clusters, 2) 的 ndarray

以每行 [開始, 結束] 形式的群集列表，所有索引都包含在內。群集按照 (結束, -開始) （升序）排序，以便包含較小群集的較大群集排在這些較小群集之後。由於 labels_ 不反映層次結構，因此通常 len(cluster_hierarchy_) > np.unique(optics.labels_)。另請注意，這些索引是 ordering_ 的索引，即 X[ordering_][start:end + 1] 形成一個群集。僅在 cluster_method='xi' 時可用。

n_features_in_int

在 fit 期間看到的特徵數量。

在 0.24 版中新增。

feature_names_in_形狀為 (n_features_in_,) 的 ndarray

在 fit 期間看到的特徵名稱。僅當 X 具有全部為字串的特徵名稱時才定義。

在 1.0 版中新增。

另請參閱

DBSCAN

針對指定鄰域半徑 (eps) 的類似群集。我們的實作針對運行時間進行了最佳化。

參考文獻

[1] (1,2)

Ankerst, Mihael, Markus M. Breunig, Hans-Peter Kriegel 和 Jörg Sander。“OPTICS：對點進行排序以識別群集結構。” ACM SIGMOD Record 28, no. 2 (1999): 49-60。

[2]

Schubert, Erich, Michael Gertz。“改善從 OPTICS 圖中提取的群集結構。” Proc. of the Conference “Lernen, Wissen, Daten, Analysen” (LWDA) (2018): 318-329。

範例

>>> from sklearn.cluster import OPTICS
>>> import numpy as np
>>> X = np.array([[1, 2], [2, 5], [3, 6],
...               [8, 7], [8, 8], [7, 3]])
>>> clustering = OPTICS(min_samples=2).fit(X)
>>> clustering.labels_
array([0, 0, 0, 1, 1, 1])

如需更詳細的範例，請參閱 OPTICS 群集演算法的示範。

fit(X, y=None)

執行 OPTICS 群集。

提取點和可達距離的排序列表，並使用在 OPTICS 物件實例化時指定的 max_eps 距離執行初始群集。

參數:

X形狀為 (n_samples, n_features) 的 {ndarray, sparse matrix}，或如果 metric=’precomputed’，則為 (n_samples, n_samples)

如果 metric=’precomputed’，則為特徵陣列或樣本之間距離的陣列。如果提供了稀疏矩陣，它將被轉換為 CSR 格式。

y忽略

未使用，依慣例為 API 一致性而存在。

回傳值:

self物件

回傳 self 的已擬合實例。

fit_predict(X, y=None, **kwargs)

對 X 執行分群並回傳群集標籤。

參數:

X形狀為 (n_samples, n_features) 的類陣列

輸入資料。

y忽略

未使用，依慣例為 API 一致性而存在。

**kwargs字典

要傳遞給 fit 的引數。

在 1.4 版中新增。

回傳值:

labels形狀為 (n_samples,)，dtype=np.int64 的 ndarray

群集標籤。

get_metadata_routing()

取得此物件的中繼資料路由。

請查看 使用者指南 以了解路由機制的運作方式。

回傳值:

routingMetadataRequest

一個封裝路由資訊的 MetadataRequest。

get_params(deep=True)

取得此估算器的參數。

參數:

deep布林值，預設值為 True

如果為 True，將回傳此估算器及其包含的子物件 (為估算器) 的參數。

回傳值:

params字典

參數名稱對應到它們的值。

set_params(**params)

設定此估算器的參數。

此方法適用於簡單的估算器以及巢狀物件（例如 Pipeline）。後者具有 <component>__<parameter> 形式的參數，因此可以更新巢狀物件的每個元件。

參數:

**params字典

估算器參數。

回傳值:

self估算器實例

估算器實例。

範例藝廊

比較玩具資料集上不同的分群演算法

比較玩具資料集上不同的分群演算法

OPTICS 分群演算法的示範

OPTICS 分群演算法的示範