ee.Clusterer.wekaKMeans

Raggruppa i dati utilizzando l'algoritmo k-means. Può utilizzare la distanza euclidea (impostazione predefinita) o la distanza di Manhattan. Se viene utilizzata la distanza di Manhattan, i centroidi vengono calcolati come mediana componente per componente anziché come media. Per ulteriori informazioni, vedi:

D. Arthur, S. Vassilvitskii: k-means++: the advantages of careful seeding. In: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035, 2007.

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

Argomento	Tipo	Dettagli
nClusters	Numero intero	Numero di cluster.
init	Numero intero, valore predefinito: 0	Metodo di inizializzazione da utilizzare. 0 = casuale, 1 = k-means++, 2 = canopy, 3 = farthest first.
canopies	Booleano, valore predefinito: false	Utilizza i baldacchini per ridurre il numero di calcoli della distanza.
maxCandidates	Numero intero, valore predefinito: 100	Numero massimo di canopie candidate da conservare in memoria in qualsiasi momento quando utilizzi il clustering delle canopie. La distanza T2 più le caratteristiche dei dati determineranno il numero di chiome candidate che vengono formate prima che vengano eseguite le potature periodiche e finali, il che potrebbe comportare un consumo eccessivo di memoria. Questa impostazione evita che un numero elevato di chiome candidate consumi memoria.
periodicPruning	Numero intero, valore predefinito: 10000	Frequenza di potatura delle chiome a bassa densità quando si utilizza il clustering delle chiome.
minDensity	Numero intero, valore predefinito: 2	Densità minima della chioma, quando si utilizza il clustering delle chiome, al di sotto della quale una chioma verrà potata durante la potatura periodica.
t1	Float, valore predefinito: -1,5	La distanza T1 da utilizzare quando si utilizza il clustering canopy. Un valore < 0 viene considerato un moltiplicatore positivo per T2.
t2	Float, valore predefinito: -1	La distanza T2 da utilizzare quando si utilizza il clustering canopy. I valori < 0 causano l'utilizzo di un'euristica basata sulla deviazione standard dell'attributo.
distanceFunction	Stringa, valore predefinito: "Euclidea"	Funzione di distanza da utilizzare. Le opzioni sono: euclidea e Manhattan.
maxIterations	Numero intero, valore predefinito: null	Numero massimo di iterazioni.
preserveOrder	Booleano, valore predefinito: false	Conserva l'ordine delle istanze.
fast	Booleano, valore predefinito: false	Consente calcoli della distanza più rapidi, utilizzando valori limite. Disattiva il calcolo/l'output di errori/distanze al quadrato.
seed	Numero intero, valore predefinito: 10	Il seed di randomizzazione.