ee.Clusterer.wekaXMeans

X-Means es K-Means con una estimación eficiente de la cantidad de clústeres. Para obtener más información, consulta lo siguiente:

Dan Pelleg y Andrew W. Moore, A.: X-means: Extending K-means with Efficient Estimation of the Number of Clusters. En: Seventeenth International Conference on Machine Learning, 727-734, 2000.

Uso	Muestra
ee.Clusterer.wekaXMeans(minClusters, maxClusters, maxIterations, maxKMeans, maxForChildren, useKD, cutoffFactor, distanceFunction, seed)	Clusterer

Argumento	Tipo	Detalles
minClusters	Número entero, valor predeterminado: 2	Es la cantidad mínima de clústeres.
maxClusters	Número entero, valor predeterminado: 8	Es la cantidad máxima de clústeres.
maxIterations	Número entero, valor predeterminado: 3	Es la cantidad máxima de iteraciones generales.
maxKMeans	Número entero, valor predeterminado: 1000	Es la cantidad máxima de iteraciones que se realizarán en KMeans.
maxForChildren	Número entero, valor predeterminado: 1000	Es la cantidad máxima de iteraciones en KMeans que se realizan en los centros secundarios.
useKD	Booleano, valor predeterminado: falso	Usa un KD-tree.
cutoffFactor	Número de punto flotante, valor predeterminado: 0	Toma el porcentaje determinado de los centroides divididos si ninguno de los elementos secundarios gana.
distanceFunction	Cadena, valor predeterminado: "Euclidean"	Es la función de distancia que se usará. Las opciones son Chebyshev, euclidiana y Manhattan.
seed	Número entero, valor predeterminado: 10	Es la semilla de aleatorización.