在python的MeanShift模块中估计带宽时如何选择合适的分位数？

Posted 2023-03-12

【中文标题】在python的MeanShift模块中估计带宽时如何选择合适的分位数？

【英文标题】：How to choose appropriate quantile value while estimating bandwidth in MeanShift module of python?

【发布时间】：2015-04-04 18:47:45

【问题描述】：

我正在对数据集执行均值偏移聚类。 estimate_bandwidth 函数估计执行均值漂移聚类的适当带宽。

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，从而导致集群数量减少。同样，分位数的减少会降低带宽，因此不会增加。集群。

所以，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？

【问题讨论】：

运气和经验。很遗憾。但究竟什么是“最佳”？

“最优”在某种意义上说集群是稳定的。

那么从这个意义上说，无穷大是最优的。

【参考方案1】：

分位数用于 KNN（在 estimate_bandwidth 函数中使用）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

然后将根据同一簇中样本之间的平均成对距离（由 KNN 返回）计算带宽。所以你可以用它来弄清楚如何设置带宽。此函数返回的带宽平均会覆盖 n 个样本，这将极大地影响 Mean Shift 将返回的簇数。