Расстояние KNN для определения EPS DBSCAN

Question

Я хотел бы использовать график расстояния KNN, чтобы выяснить, какое значение EPS я должен выбрать для алгоритма DBSCAN. На основе это страница:

Идея состоит в том, чтобы рассчитать, среднее расстояние каждой точки до его ближайших соседей. Значение k будет указано пользователем и соответствует MINPT. Затем эти K-дистанции построены в восходящем порядке. Цель состоит в том, чтобы определить «колено», что соответствует оптимальному параметру EPS.

Используя Python с Numpy/Sklearn, у меня есть следующие точки, со следующим расстоянием для 6-nnn:

X = np.array([[-1, -1], [-2, -1], [-3, -2], [1, 1], [2, 1], [3, 2]])
nbrs = NearestNeighbors(n_neighbors=len(X)).fit(X)
distances, indices = nbrs.kneighbors(X)

# Indices

[[0 1 2 3 4 5]
 [1 0 2 3 4 5]
 [2 1 0 3 4 5]
 [3 4 5 0 1 2]
 [4 3 5 0 1 2]
 [5 4 3 0 1 2]]

# Distances
[[ 0.          1.          2.23606798  2.82842712  3.60555128  5.        ]
[ 0.          1.          1.41421356  3.60555128  4.47213595  5.83095189]
[ 0.          1.41421356  2.23606798  5.          5.83095189  7.21110255]
[ 0.          1.          2.23606798  2.82842712  3.60555128  5.        ]
[ 0.          1.          1.41421356  3.60555128  4.47213595  5.83095189]
[ 0.          1.41421356  2.23606798  5.          5.83095189  7.21110255]]

Затем я вычислил среднее расстояние:

distances.mean()
2.9269575028354495

Проблема в том, что я не понимаю, как именно я могу представлять тот же сюжет, что и они с расстояниями по оси Y и количеству точек в соответствии с расстояниями на оси X с использованием Python.

Спасибо за помощь.

Answer 1

Ты

1. Возьмите последний столбец этой матрицы
2. сортировать нисходящее
3. Индекс сюжета, расстояние
4. Надеюсь увидеть колено (если расстояние не работает хорошо. Их не может быть)