介绍 OPTICS 聚类算法的 Python 实现流程。通过生成环形与球形混合数据模拟非线性分布场景，演示了核心概念如可达距离与核心距离的计算。文章包含环境配置、数据生成、模型训练、可达距离曲线分析及聚类结果可视化。对比了 OPTICS 与 K-Means、DBSCAN 的效果差异，并提供了参数调优指南及常见问题解决方案，适用于用户行为分析、异常检测等复杂密度结构场景。
在无监督学习领域，聚类算法是挖掘数据内在结构的核心工具。传统聚类方法中，K-Means 依赖'球形簇'假设、DBSCAN 对参数敏感，而 OPTICS（Ordering Points To Identify the Clustering Structure，基于密度的层次聚类算法）凭借'任意形状簇识别''密度分布可视化'的特性，成为非线性数据聚类的优选方案。
本文以环形与球形混合数据为实验对象，从环境配置、数据生成、算法实现、结果解析、问题解决五个维度，完整复现 OPTICS 算法的实战流程。
本次实验需用到以下 Python 库：
在终端执行以下代码安装依赖（若已安装可跳过）：
!pip install numpy matplotlib scikit-learn
导入库并解决 Matplotlib 中文显示问题（避免后续可视化出现乱码）：
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_circles, make_blobs
from sklearn.cluster import OPTICS
# 配置 Matplotlib 中文显示
plt.rcParams["font.sans-serif"] = ["SimHei"] # Windows 系统
# plt.rcParams["font.sans-serif"] = ["Arial Unicode MS"] # Mac 系统
plt.rcParams["axes.unicode_minus"] = False # 解决负号显示异常
为体现 OPTICS 处理'非球形簇'的优势，我们生成'环形 + 球形混合数据'（模拟真实场景中不规则分布的数据集）。
# 1. 生成内外环形数据（非线性分布，模拟复杂结构）
X1, _ = make_circles(
n_samples=1000, # 样本数
factor=0.2, # 内外环半径比例
noise=0.05, # 噪声比例
random_state=5 # 随机种子（保证结果可复现）
)
# 2. 生成 2 个独立球形簇（模拟局部密集结构）
X2, _ = make_blobs(
n_samples=200,
n_features=2,
centers=[[1, 2]],
cluster_std=[0.1],
random_state=5
)
X3, _ = make_blobs(
n_samples=300,
n_features=2,
centers=[[-0.5, -1.2]],
cluster_std=[0.1],
random_state=5
)
# 3. 合并所有数据（不区分标签，模拟无监督场景）
X = np.concatenate((X1, X2, X3))
# 4. 可视化原始数据
plt.figure(figsize=(8, 6))
plt.scatter(X[:, 0], X[:, 1], marker="*", c="gray")
plt.title("原始数据分布：环形 + 球形混合结构")
plt.xlabel("特征 1")
plt.ylabel("特征 2")
plt.show()
图中可以看到：数据包含内外双层环形结构和两个独立球形簇，传统 K-Means 无法区分环形结构（会将内外环划分为同一簇），而 OPTICS 可通过密度差异识别这种不规则结构。
OPTICS 的核心是'可达距离'与'核心距离'：
min_samples 决定）；通过对样本按'可达距离'排序，OPTICS 可生成可达距离曲线，曲线的'陡峭段'对应簇的边界，'平缓段'对应簇的核心区域。
# 初始化 OPTICS 模型（核心参数配置）
model = OPTICS(
min_samples=15, # 核心点的最小邻域样本数
xi=0.05, # 簇划分的陡峭度阈值（控制簇数量）
min_cluster_size=0.05, # 最小簇的样本占比（过滤小簇/噪声）
cluster_method="xi" # 指定簇划分方式（避免 HTML 可视化报错）
)
# 训练模型（无监督学习，无需标签）
model.fit(X)
可达距离曲线是 OPTICS 的核心输出，代码如下：
# 获取 OPTICS 输出的样本排序与可达距离
ordering = model.ordering_ # 样本按密度从高到低的排序索引
reachability = model.reachability_[ordering] # 排序后的可达距离
# 可视化可达距离曲线
plt.figure(figsize=(10, 4))
plt.plot(reachability, marker=".", linestyle="none", color="#1f77b4")
plt.xlabel("样本排序（密度从高到低）")
plt.ylabel("可达距离")
plt.title("OPTICS 可达距离曲线")
plt.grid(alpha=0.3)
plt.show()
曲线解析：
通过 model.labels_ 可获取簇标签（-1 代表噪声点），代码如下：
# 获取排序后的簇标签
labels = model.labels_[ordering]
# 可视化聚类结果
plt.figure(figsize=(8, 6))
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap="tab10", s=50, alpha=0.8)
plt.title("OPTICS 聚类结果：环形 + 球形簇区分")
plt.xlabel("特征 1")
plt.ylabel("特征 2")
plt.colorbar(label="簇标签")
plt.show()
结果分析：
-1（图中未明显显示，因本次数据噪声较少）。OPTICS 的聚类结果对参数敏感，我们通过调整 min_samples（核心点的最小邻域样本数），对比聚类效果的变化。
# 调整 min_samples 为 10（提高密度灵敏度）
model_tuned = OPTICS(
min_samples=10,
xi=0.05,
min_cluster_size=0.05,
cluster_method="xi"
)
model_tuned.fit(X)
# 获取调优后的簇标签
labels_tuned = model_tuned.labels_
# 可视化调优后的结果
plt.figure(figsize=(8, 6))
plt.scatter(X[:, 0], X[:, 1], c=labels_tuned, cmap="tab10", s=50, alpha=0.8)
plt.title("OPTICS 调优后结果（min_samples=10）")
plt.xlabel("特征 1")
plt.ylabel("特征 2")
plt.colorbar(label="簇标签")
plt.show()
调优对比：
min_samples 从 15 减小到 10 后，环形簇的划分更精细（区分了内环的子结构）；2*特征数（如 2 维数据设为 4~10），值越大，簇划分越'粗糙'；在实验过程中，可能会遇到'HTML 可视化无法渲染'的提示，这是因为 sklearn 的 OPTICS 默认输出 HTML 格式的聚类树。
在初始化模型时，添加 cluster_method="xi" 参数，指定用'xi 方法'划分簇，而非输出 HTML 树：
model = OPTICS(
min_samples=15,
xi=0.05,
min_cluster_size=0.05,
cluster_method="xi" # 关键参数：避免 HTML 可视化
)
为了更直观地体现 OPTICS 的优势，我们将其与 K-Means、DBSCAN 在同一数据上的效果做对比：
from sklearn.cluster import KMeans, DBSCAN
# 1. K-Means 聚类
kmeans = KMeans(n_clusters=4, random_state=5)
kmeans_labels = kmeans.fit_predict(X)
# 2. DBSCAN 聚类
dbscan = DBSCAN(eps=0.2, min_samples=5)
dbscan_labels = dbscan.fit_predict(X)
# 3. 对比可视化
fig, axes = plt.subplots(1, 3, figsize=(18, 5))
# K-Means 结果
axes[0].scatter(X[:, 0], X[:, 1], c=kmeans_labels, cmap="tab10")
axes[0].set_title("K-Means 聚类结果")
# DBSCAN 结果
axes[1].scatter(X[:, 0], X[:, 1], c=dbscan_labels, cmap="tab10")
axes[1].set_title("DBSCAN 聚类结果")
# OPTICS 结果
axes[2].scatter(X[:, 0], X[:, 1], c=labels, cmap="tab10")
axes[2].set_title("OPTICS 聚类结果")
plt.tight_layout()
plt.show()
| 算法 | 优势 | 劣势 | 本次数据效果 |
|---|---|---|---|
| OPTICS | 识别任意形状簇、展示密度分布 | 参数较多、训练时间较长 | 优秀（区分环形） |
| K-Means | 速度快、实现简单 | 仅支持球形簇、依赖 K 值 | 差（无法区分环形） |
| DBSCAN | 抗噪声、无需指定簇数 | 对 eps 和 min_samples 敏感 | 较好（需精细调参） |
本文完成了 OPTICS 算法的全流程实战：
OPTICS 适用于非线性分布、需探索密度结构的业务场景：
# 环境配置
import numpy as np
import matplotlib.pyplot as plt
from sklearn.datasets import make_circles, make_blobs
from sklearn.cluster import OPTICS
# 中文显示配置
plt.rcParams["font.sans-serif"] = ["SimHei"]
plt.rcParams["axes.unicode_minus"] = False
# 1. 生成数据
X1, _ = make_circles(n_samples=1000, factor=0.2, noise=0.05, random_state=5)
X2, _ = make_blobs(n_samples=200, n_features=2, centers=[[1,2]], cluster_std=[0.1], random_state=5)
X3, _ = make_blobs(n_samples=300, n_features=2, centers=[[-0.5,-1.2]], cluster_std=[0.1], random_state=5)
X = np.concatenate((X1, X2, X3))
# 2. 原始数据可视化
plt.figure(figsize=(8,6))
plt.scatter(X[:,0], X[:,1], marker="*", c="gray")
plt.title("原始数据分布：环形 + 球形混合结构")
plt.xlabel("特征 1")
plt.ylabel("特征 2")
plt.show()
# 3. OPTICS 模型训练
model = OPTICS(min_samples=15, xi=0.05, min_cluster_size=0.05, cluster_method="xi")
model.fit(X)
# 4. 可达距离曲线可视化
ordering = model.ordering_
reachability = model.reachability_[ordering]
plt.figure(figsize=(10,4))
plt.plot(reachability, marker=".", linestyle="none", color="#1f77b4")
plt.xlabel("样本排序（密度从高到低）")
plt.ylabel("可达距离")
plt.title("OPTICS 可达距离曲线")
plt.grid(alpha=0.3)
plt.show()
# 5. 聚类结果可视化
labels = model.labels_[ordering]
plt.figure(figsize=(8,6))
plt.scatter(X[:,0], X[:,1], c=labels, cmap="tab10", s=50, alpha=0.8)
plt.title("OPTICS 聚类结果：环形 + 球形簇区分")
plt.xlabel("特征 1")
plt.ylabel("特征 2")
plt.colorbar(label="簇标签")
plt.show()
# 6. 参数调优
model_tuned = OPTICS(min_samples=10, xi=0.05, min_cluster_size=0.05, cluster_method="xi")
model_tuned.fit(X)
labels_tuned = model_tuned.labels_
plt.figure(figsize=(8,6))
plt.scatter(X[:,0], X[:,1], c=labels_tuned, cmap="tab10", s=50, alpha=0.8)
plt.title("OPTICS 调优后结果（min_samples=10）")
plt.xlabel("特征 1")
plt.ylabel("特征 2")
plt.colorbar(label="簇标签")
plt.show()
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online