ee.Clusterer.wekaXMeans

X-Means è K-Means con una stima efficiente del numero di cluster. Per ulteriori informazioni, vedi:

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.

UtilizzoResi
ee.Clusterer.wekaXMeans(minClusters, maxClusters, maxIterations, maxKMeans, maxForChildren, useKD, cutoffFactor, distanceFunction, seed)Clusterer
ArgomentoTipoDettagli
minClustersNumero intero, valore predefinito: 2Numero minimo di cluster.
maxClustersNumero intero, valore predefinito: 8Numero massimo di cluster.
maxIterationsNumero intero, valore predefinito: 3Numero massimo di iterazioni complessive.
maxKMeansNumero intero, valore predefinito: 1000Il numero massimo di iterazioni da eseguire in KMeans.
maxForChildrenNumero intero, valore predefinito: 1000Il numero massimo di iterazioni in KMeans eseguite sui centri secondari.
useKDBooleano, valore predefinito: falseUtilizza un KD-tree.
cutoffFactorVirgola mobile, valore predefinito: 0Prende la percentuale indicata dei centroidi suddivisi se nessuno dei figli vince.
distanceFunctionStringa, valore predefinito: "Euclidea"Funzione di distanza da utilizzare. Le opzioni sono: Chebyshev, euclidea e Manhattan.
seedNumero intero, valore predefinito: 10Il seed di randomizzazione.