ee.Clusterer.wekaKMeans

k-평균 알고리즘을 사용하여 데이터를 클러스터링합니다. 유클리드 거리 (기본값) 또는 맨해튼 거리를 사용할 수 있습니다. 맨해튼 거리를 사용하는 경우 중심점은 평균이 아닌 구성요소별 중앙값으로 계산됩니다. 자세한 내용은 다음을 참조하세요.

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

사용	반환 값
ee.Clusterer.wekaKMeans(nClusters, init, canopies, maxCandidates, periodicPruning, minDensity, t1, t2, distanceFunction, maxIterations, preserveOrder, fast, seed)	클러스터러

인수	유형	세부정보
nClusters	정수	클러스터 수입니다.
init	정수, 기본값: 0	사용할 초기화 메서드입니다. 0 = 무작위, 1 = k-평균++, 2 = canopy, 3 = farthest first
canopies	불리언, 기본값: false	캐노피를 사용하여 거리 계산 수를 줄입니다.
maxCandidates	정수, 기본값: 100	캐노피 클러스터링을 사용할 때 한 번에 메모리에 유지할 수 있는 최대 후보 캐노피 수입니다. T2 거리와 데이터 특성에 따라 주기적 가지치기 및 최종 가지치기를 수행하기 전에 형성되는 후보 캐노피 수가 결정되며, 이로 인해 메모리 소비가 과도해질 수 있습니다. 이 설정을 사용하면 메모리를 소비하는 후보 캐노피가 많아지는 것을 방지할 수 있습니다.
periodicPruning	정수, 기본값: 10000	캐노피 클러스터링을 사용할 때 밀도가 낮은 캐노피를 정리하는 빈도입니다.
minDensity	정수, 기본값: 2	주기적 가지치기 중에 수관이 잘리는 수관 클러스터링 사용 시 최소 수관 밀도입니다.
t1	부동 소수점 수, 기본값: -1.5	캐노피 클러스터링을 사용할 때 사용할 T1 거리입니다. 0 미만의 값은 T2의 양수 승수로 간주됩니다.
t2	부동 소수점 수, 기본값: -1	캐노피 클러스터링을 사용할 때 사용할 T2 거리입니다. 값이 0보다 작으면 속성 표준 편차를 기반으로 하는 휴리스틱이 사용됩니다.
distanceFunction	문자열, 기본값: 'Euclidean'	사용할 거리 함수입니다. 옵션은 Euclidean과 Manhattan입니다.
maxIterations	정수, 기본값: null	최대 반복 횟수
preserveOrder	불리언, 기본값: false	인스턴스 순서를 유지합니다.
fast	불리언, 기본값: false	차단 값을 사용하여 더 빠른 거리 계산을 지원합니다. 제곱 오차/거리의 계산/출력을 사용 중지합니다.
seed	정수, 기본값: 10	무작위화 시드입니다.