Python を使用して OPTICS クラスタリング モデルをデータに適合させようとしています。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)
この適合モデルから、到達可能距離 ( op.reachability_) とポイントの順序 ( op.ordering_)、およびクラスター ラベル ( op.labels_)を取得します。
xiここで、パラメーター(この場合は 0.01) を変更して、クラスターがどのように変化するかを確認したいと思います。モデルを異なる で何度もフィッティングせずにこれを行うことはできますかxi(これには多くの時間がかかります)?
または、言い換えるとscikit-learn、到達可能距離 ( )、ポイントop.reachability_の順序 ( ) を入力として取り、クラスター ラベルを出力する関数はありますか?op.ordering_xi
「到達可能距離、コア距離、および順序付けとイプシロンを指定して、任意のイプシロンに対して DBSCAN 抽出を実行cluster_optics_dbscanする」関数を見つけました(私が望むものとはまったく異なります)