ee.Clusterer.wekaXMeans

X-Means est une méthode de clustering en k-moyennes avec une estimation efficace du nombre de clusters. Pour en savoir plus, consultez cette page :

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

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

Argument	Type	Détails
minClusters	Entier, valeur par défaut : 2	Nombre minimal de clusters.
maxClusters	Entier, valeur par défaut : 8	Nombre maximal de clusters.
maxIterations	Entier, par défaut : 3	Nombre maximal d'itérations globales.
maxKMeans	Entier, valeur par défaut : 1 000	Nombre maximal d'itérations à effectuer dans KMeans.
maxForChildren	Entier, valeur par défaut : 1 000	Nombre maximal d'itérations dans KMeans effectuées sur les centres enfants.
useKD	Booléen, valeur par défaut : false	Utilisez un KDTree.
cutoffFactor	Float, valeur par défaut : 0	Prend le pourcentage donné des centroïdes fractionnés si aucun enfant ne gagne.
distanceFunction	Chaîne, valeur par défaut : "Euclidean"	Fonction de distance à utiliser. Les options sont les suivantes : Chebyshev, Euclidienne et Manhattan.
seed	Entier, par défaut : 10	Graine de randomisation.