问题标签 [optics-algorithm]

我正在尝试使用 python 将 OPTICS 聚类模型拟合到我的数据中sklearn

从这个拟合模型中，我得到了点的可达距离 ( op.reachability_) 和排序 ( op.ordering_) 以及簇标签 ( op.labels_)

xi现在，我想通过更改参数（在本例中为 0.01）来检查集群如何变化。我可以在不使用不同的 's 一次又一次地拟合模型的情况下做到这一点xi（这需要很多时间）吗？

或者，换句话说，是否有一个scikit-learn函数将可达距离 ( op.reachability_)、点的排序 ( op.ordering_)xi作为输入并输出集群标签？

我找到了一个函数cluster_optics_dbscan，它“对给定可达距离、核心距离和排序和 epsilon 的任意 epsilon 执行 DBSCAN 提取”（不是我想要的）

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。我能够从中获得情节，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

我正在尝试对时间序列进行聚类。我也想使用 Sklearn OPTICS。在文档中它说输入向量 X 应该有维度 (n_samples,n_features)。我的数组格式为（n_samples、n_time_stamps、n_features）。代码中的示例进一步向下。

我的问题是如何将 OPTICS 的 Fit-function 与时间序列一起使用。我知道人们已经将 OPTICS 和 DBSCAN 用于时间序列。我只是无法弄清楚他们是如何实现它的。任何帮助都感激不尽。