Как выбрать подходящее значение квантиля при оценке пропускной способности в модуле MeanShift python?

Question

Я выполняю среднюю смену кластеризации на наборе данных. Функция timate_bandwidth оценивает подходящую ширину полосы для выполнения кластеризации со средним сдвигом.

Синтаксис:

sklearn.cluster.estimate_bandwidth(X, quantile=0.3, n_samples=None, random_state=0)

Я обнаружил, что предполагаемая пропускная способность увеличивается с увеличением квантиля, что приводит к уменьшению количества кластеров. Точно так же уменьшение квантиля уменьшает пропускную способность и, следовательно, выше нет. кластеров.

Так что, похоже нет. кластеров зависит от выбранной квантильной стоимости.

Как выбрать оптимальный квантиль?

Answer 1

Квантиль используется в KNN (который используется внутри функции оценка_полосы) для определения полосы пропускания.
В частности:

n = количество образцов в KNN = количество образцов в партии * квантиль

Полоса пропускания будет затем рассчитываться на основе средних парных расстояний между выборками, которые находятся в одном кластере (возвращается KNN). Таким образом, вы можете использовать это, чтобы понять, как установить пропускную способность. Пропускная способность, возвращаемая этой функцией, будет в среднем покрывать n выборок, что сильно повлияет на количество кластеров, которые вернет Mean Shift.