सूचना: जिन गैर-व्यावसायिक प्रोजेक्ट के लिए Earth Engine को 15 अप्रैल, 2025 से पहले रजिस्टर किया गया है उन्हें ऐक्सेस बनाए रखने के लिए, गैर-व्यावसायिक इस्तेमाल से जुड़ी ज़रूरी शर्तों की पुष्टि करनी होगी. अगर आपने 26 सितंबर, 2025 तक पुष्टि नहीं की, तो आपके ऐक्सेस को होल्ड पर रखा जा सकता है.
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
के-मीन्स एल्गोरिदम का इस्तेमाल करके डेटा को क्लस्टर करें. यूक्लिडियन दूरी (डिफ़ॉल्ट) या मैनहैटन दूरी का इस्तेमाल किया जा सकता है. अगर मैनहैटन दूरी का इस्तेमाल किया जाता है, तो सेंट्रॉइड का हिसाब माध्य के बजाय कॉम्पोनेंट के हिसाब से मीडियन के तौर पर लगाया जाता है. ज़्यादा जानकारी के लिए, यह लेख पढ़ें:
डी॰ आर्थर, एस. Vassilvitskii: k-means++: the advantages of careful seeding. In: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035, 2007.
इस्तेमाल करने के लिए, इनिशियलाइज़ेशन का तरीका. 0 = रैंडम, 1 = k-means++, 2 = कैनोपी, 3 = फ़ार्देस्ट फ़र्स्ट.
canopies
बूलियन, डिफ़ॉल्ट वैल्यू: false
दूरी के हिसाब लगाने की संख्या कम करने के लिए, कैनोपी का इस्तेमाल करें.
maxCandidates
पूर्णांक, डिफ़ॉल्ट: 100
कैनोपी क्लस्टरिंग का इस्तेमाल करते समय, किसी भी समय मेमोरी में सेव रखने के लिए, ज़्यादा से ज़्यादा कैनोपी की संख्या. टी2 दूरी और डेटा की विशेषताओं के आधार पर यह तय किया जाएगा कि समय-समय पर और आखिर में छंटाई करने से पहले, कितनी कैनोपी बनाई जाएंगी. इससे मेमोरी का ज़्यादा इस्तेमाल हो सकता है. इस सेटिंग से, बड़ी संख्या में कैंडिडेट कैनोपी के मेमोरी इस्तेमाल करने से बचा जा सकता है.
periodicPruning
पूर्णांक, डिफ़ॉल्ट: 10000
कैनोपी क्लस्टरिंग का इस्तेमाल करते समय, कम घनत्व वाली कैनोपी को कितनी बार काटा जाए.
minDensity
पूर्णांक, डिफ़ॉल्ट: 2
कैनोपी क्लस्टरिंग का इस्तेमाल करते समय, कैनोपी की कम से कम डेंसिटी. इससे कम डेंसिटी होने पर, समय-समय पर कैनोपी को काटा जाएगा.
t1
फ़्लोट, डिफ़ॉल्ट: -1.5
कैनोपी क्लस्टरिंग का इस्तेमाल करते समय, T1 दूरी का इस्तेमाल किया जाता है. वैल्यू < 0 को T2 के लिए पॉज़िटिव मल्टीप्लायर के तौर पर लिया जाता है.
t2
फ़्लोट, डिफ़ॉल्ट: -1
कैनोपी क्लस्टरिंग का इस्तेमाल करते समय, T2 दूरी का इस्तेमाल किया जाता है. वैल्यू < 0 होने पर, एट्रिब्यूट के स्टैंडर्ड डेविएशन के आधार पर अनुमानित वैल्यू का इस्तेमाल किया जाता है.
distanceFunction
स्ट्रिंग, डिफ़ॉल्ट: "Euclidean"
इस्तेमाल किया जाने वाला दूरी फ़ंक्शन. इसके विकल्प ये हैं: यूक्लिडियन और मैनहैटन.
maxIterations
पूर्णांक, डिफ़ॉल्ट: null
ज़्यादा से ज़्यादा पुनरावृत्तियां.
preserveOrder
बूलियन, डिफ़ॉल्ट वैल्यू: false
उदाहरणों का क्रम बनाए रखना.
fast
बूलियन, डिफ़ॉल्ट वैल्यू: false
कट-ऑफ़ वैल्यू का इस्तेमाल करके, दूरी की गणना तेज़ी से करता है. इससे स्क्वेयर्ड गड़बड़ियों/दूरी की गिनती/आउटपुट बंद हो जाता है.
[[["समझने में आसान है","easyToUnderstand","thumb-up"],["मेरी समस्या हल हो गई","solvedMyProblem","thumb-up"],["अन्य","otherUp","thumb-up"]],[["वह जानकारी मौजूद नहीं है जो मुझे चाहिए","missingTheInformationINeed","thumb-down"],["बहुत मुश्किल है / बहुत सारे चरण हैं","tooComplicatedTooManySteps","thumb-down"],["पुराना","outOfDate","thumb-down"],["अनुवाद से जुड़ी समस्या","translationIssue","thumb-down"],["सैंपल / कोड से जुड़ी समस्या","samplesCodeIssue","thumb-down"],["अन्य","otherDown","thumb-down"]],["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[],["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"]]
