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.

UsoMuestra
ee.Clusterer.wekaXMeans(minClusters, maxClusters, maxIterations, maxKMeans, maxForChildren, useKD, cutoffFactor, distanceFunction, seed)Clusterer
ArgumentoTipoDetalles
minClustersNúmero entero, valor predeterminado: 2Es la cantidad mínima de clústeres.
maxClustersNúmero entero, valor predeterminado: 8Es la cantidad máxima de clústeres.
maxIterationsNúmero entero, valor predeterminado: 3Es la cantidad máxima de iteraciones generales.
maxKMeansNúmero entero, valor predeterminado: 1000Es la cantidad máxima de iteraciones que se realizarán en KMeans.
maxForChildrenNúmero entero, valor predeterminado: 1000Es la cantidad máxima de iteraciones en KMeans que se realizan en los centros secundarios.
useKDBooleano, valor predeterminado: falsoUsa un KD-tree.
cutoffFactorNúmero de punto flotante, valor predeterminado: 0Toma el porcentaje determinado de los centroides divididos si ninguno de los elementos secundarios gana.
distanceFunctionCadena, valor predeterminado: "Euclidean"Es la función de distancia que se usará. Las opciones son Chebyshev, euclidiana y Manhattan.
seedNúmero entero, valor predeterminado: 10Es la semilla de aleatorización.