Anuncio: Todos los proyectos no comerciales registrados para usar Earth Engine antes del 15 de abril de 2025 deben verificar su elegibilidad no comercial para mantener el acceso. Si no realizas la verificación antes del 26 de septiembre de 2025, es posible que se suspenda tu acceso.
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Agrupa los datos en clústeres con el algoritmo k-means. Se puede usar la distancia euclidiana (predeterminada) o la distancia Manhattan. Si se usa la distancia Manhattan, los centroides se calculan como la mediana por componentes en lugar de la media. Para obtener más información, consulta lo siguiente:
D. Arthur, S. Vassilvitskii: k-means++: The advantages of careful seeding. En: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035, 2007.
Es el método de inicialización que se usará. 0 = Aleatorio, 1 = K-means++, 2 = Canopy, 3 = Farthest first.
canopies
Booleano, valor predeterminado: falso
Usa doseles para reducir la cantidad de cálculos de distancia.
maxCandidates
Número entero, valor predeterminado: 100
Cantidad máxima de agrupamientos candidatos que se pueden conservar en la memoria en cualquier momento cuando se usa la agrupación en clústeres de dosel. La distancia T2 y las características de los datos determinarán cuántos grupos candidatos se formarán antes de que se realicen las podas periódicas y finales, lo que podría generar un consumo excesivo de memoria. Este parámetro de configuración evita que una gran cantidad de posibles doseles consuman memoria.
periodicPruning
Número entero. El valor predeterminado es 10000.
Frecuencia con la que se podan los doseles de baja densidad cuando se usa el agrupamiento de doseles.
minDensity
Número entero, valor predeterminado: 2
Es la densidad mínima de la copa cuando se usa el agrupamiento de copas, por debajo de la cual se podará una copa durante la poda periódica.
t1
Número de punto flotante, valor predeterminado: -1.5
Es la distancia T1 que se usará cuando se realice el agrupamiento en clústeres de dosel. Un valor < 0 se toma como un multiplicador positivo para T2.
t2
Número de punto flotante, valor predeterminado: -1
Es la distancia T2 que se debe usar cuando se usa el agrupamiento en clústeres de dosel. Los valores menores que 0 hacen que se use una heurística basada en la desviación estándar del atributo.
distanceFunction
Cadena, valor predeterminado: "Euclidean"
Es la función de distancia que se usará. Las opciones son: euclidiana y Manhattan.
maxIterations
Número entero, valor predeterminado: nulo
Cantidad máxima de iteraciones.
preserveOrder
Booleano, valor predeterminado: falso
Se conserva el orden de las instancias.
fast
Booleano, valor predeterminado: falso
Permite cálculos de distancia más rápidos con valores de corte. Inhabilita el cálculo o la salida de errores o distancias al cuadrado.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Falta la información que necesito","missingTheInformationINeed","thumb-down"],["Muy complicado o demasiados pasos","tooComplicatedTooManySteps","thumb-down"],["Desactualizado","outOfDate","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Problema con las muestras o los códigos","samplesCodeIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 2025-07-26 (UTC)"],[],["The k-means algorithm clusters data using either Euclidean or Manhattan distance. Manhattan distance uses component-wise median for centroids, while Euclidean uses the mean. Initialization methods include random, k-means++, canopy, and farthest first. Canopies can be used to optimize distance calculations. Parameters control the number of clusters, pruning frequency, density thresholds, and distance settings. Additional options include limiting iterations, preserving data order, and using a fast distance calculation mode.\n"]]
