estimate_bandwidth#

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

估计用于均值漂移算法的带宽。

此函数的时间复杂度至少是 n_samples 的二次方。对于大型数据集，明智的做法是通过设置 n_samples 进行子采样。或者，可以不进行估计，将参数 bandwidth 设置为一个小值。

Parameters:
X形状为 (n_samples, n_features) 的类数组

输入点。

quantile浮点数, 默认=0.3

应在 [0, 1] 之间 0.5 表示使用所有成对距离的中位数。

n_samples整数, 默认=None

要使用的样本数量。如果未给出，则使用所有样本。

random_state整数, RandomState 实例, 默认=None

用于从输入点中随机选择样本以进行带宽估计的生成器。使用整数使随机性确定。 参见 Glossary 。

n_jobs整数, 默认=None

用于邻居搜索的并行作业数。 None 表示 1，除非在 joblib.parallel_backend 上下文中。 -1 表示使用所有处理器。参见 Glossary 了解更多详情。

Returns:
bandwidth浮点数

带宽参数。

Examples

>>> import numpy as np
>>> from sklearn.cluster import estimate_bandwidth
>>> X = np.array([[1, 1], [2, 1], [1, 0],
...               [4, 7], [3, 5], [3, 6]])
>>> estimate_bandwidth(X, quantile=0.5)
1.61...
On this page
Show Source