高斯核宽度σ
另一个重要的参数DiffusionMap是高斯核宽度σ（σ\ (\ \))，决定数据点之间的转移概率。的默认调用命运- - - - - -DiffusionMap(数据)又名DiffusionMap(数据、“当地”))—使用本地σ每个单元，来源于每个单元周围的局部密度估计。
使用1.0默认值，Sigma = 'global'，估计sigma使用启发式。也可以手动指定此参数来调整结果。上面解释的特征向量图将显示持续下降，而不是急剧下降，如果数据集太大或σ选的太小了。
中详细解释了西格玛估计算法哈格威尔第，比特纳和泰斯(2015)．简而言之，它的工作原理是在局部密度的对数-对数图的斜率中找到一个最大值σ．
使用find_sigmas
提供了该过程的有效变体find_sigmas．该函数确定给定数据子集的最佳西格玛，并为a提供默认西格玛DiffusionMap调用。由于起点不同，得到的sigma与上面不同:
## [1] 10.8946得到的扩散图的近似值取决于所选的西格玛。请注意，西格玛估计启发式只能找到局部最优值，甚至启发式的全局最优值也可能不适合您的数据。
调色板（cube_helix（6）)情节< -拉普兰人（列表（“本地”，5，轮（optimal_sigma((),2)，One hundred.)，函数(σ)情节（DiffusionMap(guo_normσ),1：2，主要=粘贴（“σ= 'σ),col_by =“num_cells”，draw_legend =假）)do.call(gridExtra：：grid.arrange,c(情节,ncol =2）)