Python中如何对k距离肘形图局部缩放以清晰识别肘点确定eps参数
k距离肘形图局部缩放实现(适配DBSCAN eps参数寻优)
以下实现可在主图展示完整k距离曲线的同时,单独放大肘点所在的关键区间,清晰识别肘形拐点位置,匹配参数寻优的展示需求。
当前实现存在两处可调整的细节:
- 坐标轴标签错配:常规k距离图的横轴为按近邻距离升序排列的样本索引,纵轴为对应样本的k近邻距离值(即DBSCAN的候选eps值),原标签将二者互换会导致读图偏差
- 缺少局部细节突出能力:全图曲线通常包含大量近零值的平缓段、以及距离值过高的尾部段,肘点往往藏在斜率突变的狭窄区间内,直接全图展示很难精准定位
核心实现逻辑
- 保留原有近邻距离计算的核心逻辑,不做修改
- 绘制全量k距离曲线作为主图基础
- 在主图的无遮挡空白区域添加嵌入子坐标轴,将坐标轴范围锁定在肘点所在的狭窄区间
- 在嵌入子图中绘制相同的距离曲线,仅展示区间内的内容
- (可选增强)在主图上用红色矩形标记嵌入子图对应的放大范围,自动添加连接线关联主图和放大子图,达到常规肘点示例的视觉效果
完整可运行代码
from sklearn.neighbors import NearestNeighbors import numpy as np import matplotlib.pyplot as plt # 原有近邻距离计算逻辑完全保留 neighbors = NearestNeighbors(n_neighbors=6) neighbors_fit = neighbors.fit(data_scale) distances, indices = neighbors_fit.kneighbors(data_scale) distances = np.sort(distances, axis=0) # 取第2列的距离值(排序后对应升序排列的k近邻距离序列) k_candidate_eps = distances[:, 1] # 创建主图画布 fig, ax_main = plt.subplots(figsize=(10, 6)) # 绘制完整k距离曲线 ax_main.plot(k_candidate_eps, color='#1f77b4', linewidth=1.2) # 修正坐标轴标签匹配错误 ax_main.set_xlabel('按近邻距离升序排列的样本序号', fontsize=11) ax_main.set_ylabel('k近邻距离(即候选eps值)', fontsize=11) ax_main.set_title('肘点法寻优DBSCAN最优eps参数', fontsize=12) # ---------------------- 局部缩放核心配置 ---------------------- # 定义需要放大的肘点所在区间,可根据首次跑全图的观察结果灵活调整 x1, x2 = 200, 600 # 放大的样本索引范围 y1, y2 = 0.1, 0.7 # 放大的距离值范围 # 在主图右下角位置添加嵌入放大子图,位置参数可根据曲线分布调整 ax_inset = ax_main.inset_axes( [0.65, 0.15, 0.3, 0.35], # 格式:[横向起始位置, 纵向起始位置, 宽度占比, 高度占比] xlim=(x1, x2), ylim=(y1, y2) ) # 在嵌入子图中绘制同一条距离曲线,仅展示区间内的放大内容 ax_inset.plot(k_candidate_eps, color='#1f77b4', linewidth=1.5) # 自动在主图上标记被放大的矩形范围,并绘制连接线关联主图与嵌入子图 ax_main.indicate_inset_zoom(ax_inset, edgecolor='red', linewidth=1.5) plt.tight_layout() plt.show()
参数调整说明
- 嵌入子图的位置参数
[0.65, 0.15, 0.3, 0.35]可根据曲线分布自由调整,确保子图不遮挡主曲线的核心拐点即可 - 放大区间的
x1, x2, y1, y2参数无需一次性精准设置:首次运行先展示全量曲线,观察曲线从平缓转陡峭的突变位置,将区间中心对准突变点,预留20%左右的余量覆盖完整肘形弯曲段即可 - 如果肘点所在区间细节过多、嵌入子图的展示空间不足,可替换为上下分栏的双图布局:上方子图展示全量曲线,下方子图单独占满整行展示局部放大的肘点段,细节展示更清晰
内容的提问来源于stack exchange,提问作者Xx_22
相关产品推荐
相关产品推荐

