如何获取n_clusters(hdbscan.flat.HDBSCAN_flat()的参数)可以指定的最大值

Question

问题1

当我使用

HDBSCAN_flat()

指定参数 n_clusters=4 时，我收到警告 UserWarning: HDBSCAN can only compute 3 clusters. Setting n_clusters to 3...。在指定参数之前我可以得到

max_eom_clusters

吗？

我的尝试

实际上，max_eom_clusters(max_clusters)是在flat.py第656-657行计算的：

654 # With method 'eom', max clusters are produced for epsilon=0,
655     #   as computed by
656 eom_base_clusters = condensed_tree._select_clusters()
657 max_clusters = len(eom_base_clusters)

但是，我无法在类中使用函数 _select_clusters()，因为它是受保护的。

问题2

我认为使用 HDBSCAN().fit(X) 时我们得到了最佳的簇数，但不是最大的簇数。所以使用最佳计数作为max_eom_clusters是不好的。我说得对吗？

Answer 1

我可以从 UserWarning 中提取

max_eom_clusters

值，如下所示。但我认为这不是一个很好的解决方案。

import numpy as np
import matplotlib.pyplot as plt
from hdbscan.flat import HDBSCAN_flat
import re

# simulate two dimension data
np.random.seed(0)
data = np.random.rand(100, 2)
plt.scatter(x=data[:, 0], y=data[:, 1])
plt.show()

# get max_eom_clusters by excepting UserWarning which was filtered s error
import warnings
warnings.filterwarnings('error', category=UserWarning)
try:
    huge_n_clusterer = 999
    clusterer = HDBSCAN_flat(X=data, n_clusters=huge_n_clusterer)
except UserWarning as e:
    numbers = re.findall("[0-9]+", e.args[0])
    max_eom_clusters = eval(numbers[0])
    print(f"max_eom_clusters is {max_eom_clusters}") # max_eom_clusters is 3

这是模拟数据图：