在python的MeanShift模块中，如何选择合适的分位数来估计带宽？

Question

我正在对一个数据集执行均值漂移聚类。estimate_bandwidth函数估计执行mean-shift聚类的适当带宽。

语法：

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

我发现，估计的带宽随着分位数的增加而增加，从而导致簇的数量减少。类似地，分位数的减少会降低带宽，因此no会更高。集群的数量。

所以，看起来不是。群集的数量取决于所选的分位数。

如何选择最佳分位数？

Answer 1

在KNN中使用分位数(在estimate_bandwidth函数中使用)来确定带宽。

具体地说：

N= KNN中的样本数=批次中的样本数*分位数

然后，将根据同一群集中样本之间的平均成对距离(由KNN返回)来计算带宽。所以你可以用它来弄清楚如何设置带宽。此函数返回的带宽将平均覆盖n个样本，这将强烈影响Mean将返回的簇数。