ml/ library Learn by doing
ALGORITHM 33 · PYTHON / JAVASCRIPT

OPTICS

เรียงจุดตามโครงสร้างความหนาแน่นเพื่อดูกลุ่มหลายระดับ

LEARNING LEVEL2
ต่อยอดโดยตรงควรรู้มาก่อน · DBSCAN และ reachability distance
ลองใน Playground

01Overall Concept

OVERALL CONCEPT

ไอเดียหลัก — OPTICS สร้าง ordering และ reachability distance แทนการยึด eps ค่าเดียว ทำให้สำรวจกลุ่มที่มีความหนาแน่นต่างกันและดึง cluster จากโครงสร้างภายหลังได้

ลองนึกภาพว่า — เหมือนเรียงเส้นทางเดินผ่านฝูงคน โดยบันทึกว่าต้องก้าวไกลแค่ไหนเพื่อเข้าถึงฝูงถัดไป

ตัวอย่างการนำไปใช้ — สำรวจกลุ่มความหนาแน่นต่างกันและวิเคราะห์ reachability plot

02อธิบายภาษาคนเข้าใจง่ายๆ

เล่าแบบไม่ใช้ศัพท์ยาก

OPTICS เริ่มจากคำถามง่าย ๆ ว่า เรียงจุดตามโครงสร้างความหนาแน่นเพื่อดูกลุ่มหลายระดับ วิธีนี้ไม่ได้มองข้อมูลทุกชนิดเหมือนกัน จึงต้องเตรียมข้อมูลให้ตรงกับสิ่งที่อัลกอริทึมใช้คำนวณ

เหมือนเรียงเส้นทางเดินผ่านฝูงคน โดยบันทึกว่าต้องก้าวไกลแค่ไหนเพื่อเข้าถึงฝูงถัดไป ภาพเปรียบเทียบนี้ช่วยจำแก่นของวิธี แต่ตอนใช้งานจริงคอมพิวเตอร์ทำงานกับตัวเลขและกฎที่กำหนดไว้อย่างชัดเจน

OPTICS สร้าง ordering และ reachability distance แทนการยึด eps ค่าเดียว ทำให้สำรวจกลุ่มที่มีความหนาแน่นต่างกันและดึง cluster จากโครงสร้างภายหลังได้ พารามิเตอร์หลักใน Playground คือ min_samples เมื่อเลื่อนค่า ระบบจะคำนวณผลใหม่จากข้อมูลชุดเดิม จึงเปรียบเทียบการเปลี่ยนแปลงได้ตรง ๆ

ข้อมูลตัวอย่างบนหน้าใช้รูปแบบ 150 จุด · reachability ต่อจุด เราแยกสิ่งที่อัลกอริทึมรับเข้าออกจากผลลัพธ์ เพื่อไม่เผลอส่งข้อมูลคำตอบหรือข้อมูลอนาคตเข้าไปตอนฝึก

งานที่เหมาะ เช่น สำรวจกลุ่มความหนาแน่นต่างกันและวิเคราะห์ reachability plot ก่อนใช้จริงควรกำหนด metric ที่สัมพันธ์กับเป้าหมาย แล้วเปรียบเทียบกับวิธีพื้นฐานที่ง่ายกว่า

ภาพจำ: หุบใน reachability plot → กลุ่มหนาแน่น พร้อมจำข้อจำกัดสำคัญว่า พารามิเตอร์ xi และ min_samples ยังต้องปรับ การอ่าน reachability ต้องระวัง และต้นทุนสูงกว่า DBSCAN ในหลายกรณี

03How it works

ค่อยๆ ทำไปด้วยกัน ตั้งแต่ข้อมูลแถวแรกจนถึงการตรวจคำตอบ

  1. เตรียมข้อมูลให้ตรงโจทย์

    X เป็น feature ที่นิยามระยะห่างได้ ตรวจค่าที่หาย หน่วยของแต่ละคอลัมน์ และแยกข้อมูลประเมินก่อนเรียนรู้พารามิเตอร์จากข้อมูล

  2. ตั้งค่าที่ควบคุมพฤติกรรม

    ใช้ min_samples เพื่อขนาด neighborhood ขั้นต่ำ และบันทึกค่าเริ่มต้นหรือ random seed เมื่อวิธีมีการสุ่ม เพื่อให้ทำซ้ำและเปรียบเทียบได้

  3. คำนวณแก่นของวิธี

    คำนวณ core distance ของจุด จากนั้น ขยาย ordering โดยเลือก reachability ต่ำก่อน Playground ใช้ข้อมูลสาธิตชุดเดิมทุกครั้งเพื่อให้เห็นผลของ slider โดยไม่ถูกความสุ่มกลบ

  4. สร้างผลลัพธ์ที่นำไปอ่านได้

    ดึงกลุ่มจาก xi หรือ eps ภายหลัง ผลที่ได้คือ ordering, reachability และ labels ตัวเลขหรือกลุ่มที่ได้ยังต้องตีความร่วมกับบริบทของข้อมูล

  5. ตรวจว่าคำตอบใช้ได้จริง

    เปรียบเทียบหลายค่าของ min_samples ด้วย metric ที่เหมาะ ดูทั้งผลรวมและกรณีที่พลาด แล้วทดสอบกับข้อมูลที่ไม่ใช้ปรับค่า โดยคำนึงถึงข้อจำกัดว่า พารามิเตอร์ xi และ min_samples ยังต้องปรับ การอ่าน reachability ต้องระวัง และต้นทุนสูงกว่า DBSCAN ในหลายกรณี

เปิดตัวอย่างโค้ดเพื่อลองทำตาม →ตัวอย่างตัวเลขในเรื่องใช้ช่วยอธิบาย ส่วนโค้ดและ Playground ใช้ชุดข้อมูลสาธิตของแต่ละหน้าอ่านเอกสารอ้างอิงของเทคนิคนี้ ↗

ข้อมูล พารามิเตอร์ และภาพรวมการคำนวณ

DATA INX · features · no target y150 จุด · reachability ต่อจุด
CALCULATEOPTICS
min_samplesmax_epsxi
RESULTcluster labels + centersหุบใน reachability plot → กลุ่มหนาแน่น
เส้นทางของข้อมูล: จากค่าที่รับเข้า ผ่านการคำนวณด้วยพารามิเตอร์ ไปเป็นผลลัพธ์
INPUT

ข้อมูลที่รับเข้ามา

X เป็น feature ที่นิยามระยะห่างได้

150 จุด · reachability ต่อจุด
PARAMETERS

พารามิเตอร์ที่ใช้

min_samples
ขนาด neighborhood ขั้นต่ำ
max_eps
รัศมีค้นหาสูงสุด
xi
ความชันที่ใช้ดึงกลุ่มจาก reachability
OUTPUT

ผลลัพธ์ที่ได้

ordering, reachability และ labels

หุบใน reachability plot → กลุ่มหนาแน่น
CALCULATION

คำนวณทีละขั้น

  1. 01

    คำนวณ core distance ของจุด

  2. 02

    ขยาย ordering โดยเลือก reachability ต่ำก่อน

  3. 03

    ดึงกลุ่มจาก xi หรือ eps ภายหลัง

ควรรู้อีกนิด — พารามิเตอร์ xi และ min_samples ยังต้องปรับ การอ่าน reachability ต้องระวัง และต้นทุนสูงกว่า DBSCAN ในหลายกรณี

04Make it yours

Python · scikit-learn
# ติดตั้ง: pip install numpy scikit-learnimport numpy as np data = np.genfromtxt("optics-sample.csv", delimiter=",", skip_header=1)X = data[:, :2] from sklearn.cluster import OPTICSfrom sklearn.metrics import silhouette_score # sample.csv ใช้หน่วยเดียวกันทั้งสองแกน; ข้อมูลจริงควรปรับสเกลใน pipelinemodel = OPTICS(min_samples=8, cluster_method="xi", xi=0.05)labels = model.fit_predict(X)print("Labels:", labels)print("Groups:", np.unique(labels, return_counts=True))valid = labels >= 0if valid.sum() > 2 and 1 < len(np.unique(labels[valid])) < valid.sum():    print("Silhouette:", silhouette_score(X[valid], labels[valid])) 

โค้ดเปลี่ยนตามค่าที่เลือกใน Playground · แต่ละภาษาใช้ข้อมูลตัวอย่างตามที่ระบุในโค้ด

05Learn by playing

ปรับ min_samples แล้วสังเกตรูปแบบคำทำนายและตัวชี้วัดที่คำนวณใหม่ทันที

Sample dataset / Unlabeled points● คำนวณใหม่เมื่อปรับค่า
จำนวนจุดขั้นต่ำที่กำหนดความหนาแน่นท้องถิ่น
กากบาทดำคือ centroid จาก mini batch1กากบาท = centroid · สี = กลุ่มที่เรียนรู้
Noise ratio0.007
Extractionreachability approximation
พารามิเตอร์ที่ลอง8

Playground เป็น implementation เพื่อการเรียนรู้ที่คำนวณในเบราว์เซอร์ ส่วนโค้ด Python ใช้ scikit-learn จึงอาจให้ค่าต่างกันเล็กน้อยจากรายละเอียดการ optimize และค่าเริ่มต้นของไลบรารี ผลนี้ไม่ใช่ benchmark บนข้อมูลจริง