ee.Clusterer.wekaKMeans

使用 k-means 算法对数据进行聚类。可以使用欧几里得距离（默认）或曼哈顿距离。如果使用曼哈顿距离，则形心将计算为分量中位数，而不是平均值。如需了解详情，请参阅以下内容：

D. Arthur, S. Vassilvitskii：k-means++：精心选择初始点的优势。In: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035, 2007.

用法	返回
ee.Clusterer.wekaKMeans(nClusters, init, canopies, maxCandidates, periodicPruning, minDensity, t1, t2, distanceFunction, maxIterations, preserveOrder, fast, seed)	聚类器

参数	类型	详细信息
nClusters	整数	聚类数量。
init	整数，默认值：0	要使用的初始化方法。0 = 随机，1 = k-means++，2 = canopy，3 = farthest first。
canopies	布尔值，默认值：false	使用 canopy 来减少距离计算次数。
maxCandidates	整数，默认值：100	使用 Canopy 聚类时，在内存中保留的候选 Canopy 的最大数量。T2 距离加上数据特征，将决定在执行定期和最终剪枝之前形成多少个候选 Canopy，这可能会导致内存消耗过高。此设置可避免大量候选树冠消耗内存。
periodicPruning	整数，默认值：10000	使用 Canopy 聚类时，修剪低密度冠层的频率。
minDensity	整数，默认值：2	使用冠层聚类时，低于此值的冠层将在定期剪枝期间被剪除。
t1	浮点数，默认值：-1.5	使用 Canopy 聚类时要使用的 T1 距离。如果该值小于 0，则将其视为 T2 的正乘数。
t2	浮点数，默认值：-1	使用 Canopy 聚类时要使用的 T2 距离。值 < 0 会导致系统使用基于属性标准差的启发式方法。
distanceFunction	字符串，默认值：“Euclidean”	要使用的距离函数。选项包括：欧几里得和曼哈顿。
maxIterations	整数，默认值：null	迭代次数上限。
preserveOrder	布尔值，默认值：false	保留实例顺序。
fast	布尔值，默认值：false	使用截止值，实现更快的距离计算。停用平方误差/距离的计算/输出。
seed	整数，默认值：10	随机种子。