如何在Python的MeanShift模块中估算带宽时选择合适的分位数？

Question

我正在对数据集执行均值漂移聚类。 Estimate_bandwidth函数估计适当的带宽以执行均值漂移聚类。

句法：

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

我发现，估计带宽随分位数的增加而增加，从而导致簇数减少。 类似地，分位数的减少会减少带宽，因此不会增加带宽。 集群。

因此，似乎没有。 簇的数量取决于选择的分位数。

如何选择最佳分位数？

Answer 1

分位数用于KNN（在estimate_bandwidth函数内部使用）来确定带宽。
具体来说：

n = KNN中的样本数=批次中的样本数*分位数

然后，将基于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。 因此，您可以使用它来弄清楚如何设置带宽。 该函数返回的带宽平均将覆盖n个样本，这将严重影响平均移位将返回的簇数。