Clustering using OPTICS by MAQ Software

En teoría, esta visualización es capaz de realizar análisis de clustering basándose en un enfoque de densidad (tipo DBSCAN). El panel de configuración es el siguiente:

Es decir, apenas dos campos que definen las coordenadas X e Y de los datos a analizar.

El problema de esta visualización es que, tras varias pruebas en las que se le han presentado datos del famoso dataset Iris, de "lunas" (producto de la función make_moons de sklearn) y de clusters producto de la función make_blobs de la misma librería, la respuesta de la visualización ha sido siempre la misma: "Could not get any cluster assigned as per the values as parameters". Por ejemplo, uno de los datasets utilizados ha sido el correspondiente al siguiente gráfico de dispersión:

Parece difícil de entender que esta visualización no sea capaz de identificar los tres clusters...

Podríamos pensar que el problema está en la configuración de la visualización:

Vemos dos únicos campos: Parameter settings, que por defecto adopta una configuración automática, y Data scaling, que escala o no los datos. Si fijamos el valor User defined en el primero de estos dos campos se muestran tres campos personalizables:

Epsilon neighbours que se corresponde con la distancia máxima entre puntos pertenecientes al mismo "vecindario", Min number of points in a cluster que, como bien indica su nombre, establece el número mínimo de puntos para crear un cluster, y Steepness threshold que, según el vídeo que acompaña a la visualización, tiene que ver con la gestión de clusters jerárquicos.

En cualquier caso, sea cual sea la configuración probada, el resultado de la visualización ha sido siempre el mismo:

Poco más se puede añadir. Decepcionante resultado, sin duda.