ee.Clusterer.wekaKMeans

Regroupez les données en clusters à l'aide de l'algorithme k-moyennes. Vous pouvez utiliser la distance euclidienne (par défaut) ou la distance de Manhattan. Si la distance de Manhattan est utilisée, les centroïdes sont calculés comme la médiane par composante plutôt que comme la moyenne. Pour en savoir plus, consultez cette page :

D. Arthur, S. Vassilvitskii : k-means++ : les avantages d'un seeding soigné. In: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035, 2007.

Utilisation	Renvoie
ee.Clusterer.wekaKMeans(nClusters, init, canopies, maxCandidates, periodicPruning, minDensity, t1, t2, distanceFunction, maxIterations, preserveOrder, fast, seed)	Clusterer

Argument	Type	Détails
nClusters	Nombre entier	Nombre de clusters.
init	Entier, valeur par défaut : 0	Méthode d'initialisation à utiliser. 0 = aléatoire, 1 = k-means++, 2 = canopy, 3 = farthest first.
canopies	Booléen, valeur par défaut : false	Utilisez des canopies pour réduire le nombre de calculs de distance.
maxCandidates	Entier, valeur par défaut : 100	Nombre maximal de canopées candidates à conserver en mémoire à tout moment lors de l'utilisation du clustering de canopées. La distance T2 et les caractéristiques des données détermineront le nombre de canopies candidates formées avant l'élagage périodique et final, ce qui peut entraîner une consommation excessive de mémoire. Ce paramètre permet d'éviter qu'un grand nombre de canopies candidates ne consomment de la mémoire.
periodicPruning	Entier, par défaut : 10 000	Fréquence d'élagage des canopées à faible densité lorsque vous utilisez le clustering de canopées.
minDensity	Entier, valeur par défaut : 2	Densité de canopée minimale en dessous de laquelle une canopée sera supprimée lors de l'élagage périodique, lorsque le clustering de canopées est utilisé.
t1	Flottant, valeur par défaut : -1,5	Distance T1 à utiliser avec le clustering par canopée. Une valeur inférieure à 0 est considérée comme un multiplicateur positif pour T2.
t2	Float, valeur par défaut : -1	Distance T2 à utiliser lors du clustering par canopée. Les valeurs inférieures à 0 entraînent l'utilisation d'une heuristique basée sur l'écart-type de l'attribut.
distanceFunction	Chaîne, valeur par défaut : "Euclidean"	Fonction de distance à utiliser. Les options sont "Euclidienne" et "Manhattan".
maxIterations	Entier, valeur par défaut : null	Nombre maximal d'itérations.
preserveOrder	Booléen, valeur par défaut : false	Conservez l'ordre des instances.
fast	Booléen, valeur par défaut : false	Permet de calculer plus rapidement les distances à l'aide de valeurs limites. Désactive le calcul/la sortie des erreurs/distances au carré.
seed	Entier, par défaut : 10	Graine de randomisation.