Knn-Entfernungsdiagramm zur Bestimmung des eps von DBSCAN

Ich möchte das Knn-Entfernungsdiagramm verwenden, um herauszufinden, welchen EPS-Wert ich für den DBSCAN-Algorithmus wählen soll. Basierend auf dieser Seite:

Die Idee ist, den Durchschnitt der Entfernungen jedes Punktes zu seinen k nächsten Nachbarn zu berechnen. Der Wert von k wird vom Benutzer angegeben und entspricht MinPts. Als nächstes werden diese k-Abstände in aufsteigender Reihenfolge aufgetragen. Ziel ist es, das „Knie“ zu bestimmen, das dem optimalen eps-Parameter entspricht.

Wenn ich Python mit numpy / sklearn verwende, habe ich die folgenden Punkte mit dem folgenden Abstand für 6-knn:

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]]

dann habe ich die durchschnittliche Entfernung berechnet:

distances.mean()
2.9269575028354495

Das Problem ist, dass ich nicht verstehe, wie genau ich das gleiche Diagramm mit Abständen auf der y-Achse und der Anzahl der Punkte entsprechend den Abständen auf der x-Achse mit Python darstellen kann.

Danke für deine Hilfe.

Du

1. Nimm die letzte Spalte dieser Matrix
2. absteigend sortieren
3. Plotindex, Entfernung
4. Ich hoffe, ein Knie zu sehen (wenn der Abstand nicht gut funktioniert. Möglicherweise gibt es keinen).