KeplerMapper Cover类深度讲解：n_cubes与perc_overlap如何决定图的精细度

KeplerMapper Cover类深度讲解：n_cubes与perc_overlap如何决定图的精细度

【免费下载链接】kepler-mapperKepler Mapper: A flexible Python implementation of the Mapper algorithm.项目地址: https://gitcode.com/gh_mirrors/ke/kepler-mapper

KeplerMapper 是一款灵活易用的 Python Mapper 算法实现，用于从高维数据中提取拓扑结构。它的核心组件Cover 类通过两个参数n_cubes与perc_overlap直接决定了最终拓扑图的精细度：格子切得越密、重叠越多，图就越细致。本文带你用最直观的方式理解这两个参数，并给出一份新手参数调优速查表 📊。

一瞥：Cover 类在 Mapper 算法中的位置

KeplerMapper 的 Mapper 算法分三步走（详见 docs/theory.rst）：

1. 投影（Project）：把高维数据压成低维"镜头"（lens）；
2. 覆盖（Cover）：用一堆相互重叠的超立方体格子盖住投影空间；
3. 聚类（Cluster）：每个格子里的点做聚类，簇变成图节点，重叠区域产生边。

Cover 类就负责第 2 步：根据n_cubes和perc_overlap自动计算每个格子的中心与半径，把镜头空间切割成网格。空格子会被自动剔除，所以最终图的节点数往往少于格子总数。

上图为 Cover 类切割镜头空间后经聚类连边得到的典型拓扑网络：节点大小代表簇内样本数，连线来自格子的重叠区域。

n_cubes：图的"分辨率"

n_cubes指每个维度上划分的超立方体数量，默认 10（定义见 kmapper/cover.py）。它相当于相机分辨率：

• n_cubes=5：镜头空间被切成粗网格，每个格子聚合成一个"大团"，图节点少、结构粗糙；
• n_cubes=20：网格变密，细节簇被单独识别出来，图更精细；
• 多维投影时，格子总数 =n_cubes的维数次方（2 维、n_cubes=10时就是 100 个格子），所以高维投影下格子数会指数增长，大量空格子被剔除后图可能变得碎片化。

它还支持按维度分别设置，例如n_cubes=[10, 20, 5]，给不同维度的数据分配不同精度（见 kmapper/kmapper.py 的示例）。

perc_overlap：图的"连通性"

perc_overlap是相邻格子沿单一维度的重叠比例（0~1）。源码中的半径公式很直观（kmapper/cover.py）：

radius = range / (2 × n_cubes × (1 - perc_overlap))

• 重叠小（如 0.1）：格子几乎不重叠，相邻节点很难共享成员，图容易出现孤立岛屿和断开的分支；
• 重叠大（如 0.7）：相邻格子共享大量样本，边多而密，原本零散的簇被"缝合"成一张连通的网络；
• 极端值perc_overlap=1.0时半径无限大，所有格子完全重叠，图会退化成稠密团状。

它同样支持按维度列表设置，如perc_overlap=[0.1, 0.2, 0.5]。

两参数如何共同决定图的精细度？

一句话总结：n_cubes管"切多细"，perc_overlap管"连得多紧"。两者组合出四种典型效果：

下面两张 make_circles 示例（脚本见 examples/makecircles/make_circles_distmean.py）展示了同一圆环数据在不同参数下的差异：

高重叠比例（Overlap 70%）下，圆环被"缝合"成一条首尾相连的彩色链路，参数面板清晰列出 Cubes per dimension 与 Overlap percentage 两项关键配置。

低重叠比例（Overlap 10%）下，节点间连接明显变少，圆环出现缺口——这正是 perc_overlap 过小的典型信号。

而想要还原出完整的马形结构（见 examples/horse/plot_horse.py），就需要把两者同时调高，让精细的局部簇之间保留足够重叠：

合理的 n_cubes 与 perc_overlap 组合下，马的轮廓、四肢与头部都被清晰还原，节点颜色随镜头函数渐变。

新手参数调优速查表

• 起点：Cover(n_cubes=10, perc_overlap=0.1)是map()的内置默认（见 kmapper/kmapper.py）；
• 图太碎？优先把perc_overlap提到 0.3~0.5，而不是直接加格子；
• 细节不够？逐步提高n_cubes（10 → 15 → 20），观察节点数是否爆炸；
• 调试可加verbose=1打印格子中心与半径，单测用例 test/test_coverer.py 覆盖了边界情况，可对照学习。

小结：Cover 类用"切格子 + 算重叠"两件小事，掌控着 KeplerMapper 输出的精细度与连通性。记住这张速查表，调参不再是碰运气 🔍。

【免费下载链接】kepler-mapperKepler Mapper: A flexible Python implementation of the Mapper algorithm.项目地址: https://gitcode.com/gh_mirrors/ke/kepler-mapper