我目前正在学习如何在 sklearn 中使用 OPTICS。我正在输入一个 (205,22) 的 numpy 数组。我能够从中得到情节，但我不明白我如何从多个维度获得二维情节以及我应该如何阅读它。我或多或少地理解可达性图，但其余部分对我来说毫无意义。有人可以解释发生了什么。该函数是否只是以某种方式将数据简化为二维？谢谢
【问题讨论】：
标签： python scikit-learn cluster-analysis optics-algorithm
来自 sklearn 用户指南：
OPTICS 生成的可达距离允许在单个数据集中对集群进行可变密度提取。如上图所示，结合可达距离和数据集 ordering_ 生成可达图，其中点密度表示在 Y 轴上，并且点被排序，使得附近的点相邻。在单个值处“切割”可达性图会产生类似 DBSCAN 的结果； “cut”之上的所有点都被归类为噪声，每次从左到右读取时出现中断都表示一个新的簇。
其他三个图是由三种不同算法找到的实际聚类的直观表示。
正如您在 OPTICS 聚类图中看到的那样，有两个高密度聚类（蓝色和青色），由于 xi 值低，根据可达性图的灰色十字被归类为噪声
在 eps = 0.5 的 DBSCAN 聚类中，由于 epsilon 值太低，算法无法找到任何密度点，因此一切都被视为噪声。
现在很明显，在第三个图中，由于 epsilon 值的调整，算法只找到了一个集群，并且所有高于 2.0 线的东西都被认为是噪声。
请参考user guide:
【讨论】：