Anuncio: Todos los proyectos no comerciales registrados para usar Earth Engine antes del
15 de abril de 2025 deben
verificar su elegibilidad no comercial para mantener el acceso a Earth Engine.
ee.Clusterer.wekaCascadeKMeans
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Cascade simple k-means selecciona el mejor k según el criterio de Calinski-Harabasz. Para obtener más información, consulta lo siguiente:
Calinski, T. y J. Harabasz. 1974 Es un método de dendrita para el análisis de clústeres. Commun. Stat. 3: 1-27.
| Uso | Muestra |
|---|
ee.Clusterer.wekaCascadeKMeans(minClusters, maxClusters, restarts, manual, init, distanceFunction, maxIterations) | Clusterer |
| Argumento | Tipo | Detalles |
|---|
minClusters | Número entero, valor predeterminado: 2 | Cantidad mínima de clústeres. |
maxClusters | Número entero, valor predeterminado: 10 | Es la cantidad máxima de clústeres. |
restarts | Número entero, valor predeterminado: 10 | Cantidad de reinicios. |
manual | Booleano, valor predeterminado: falso | Selecciona manualmente la cantidad de clústeres. |
init | Booleano, valor predeterminado: falso | Establece si se debe inicializar con el método probabilístico de primer punto más lejano del algoritmo k-means++ (en lugar de la selección aleatoria estándar de centros de clústeres iniciales). |
distanceFunction | Cadena, valor predeterminado: "Euclidean" | Es la función de distancia que se usará. Las opciones son: euclidiana y Manhattan. |
maxIterations | Número entero, valor predeterminado: nulo | Es la cantidad máxima de iteraciones para k-means. |
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-07-26 (UTC)
[null,null,["Última actualización: 2025-07-26 (UTC)"],[[["\u003cp\u003eCascade simple k-means automatically determines the optimal number of clusters (k) within a specified range using the Calinski-Harabasz criterion.\u003c/p\u003e\n"],["\u003cp\u003eUsers can customize the clustering process by defining the minimum and maximum number of clusters, the number of algorithm restarts, initialization methods, distance functions, and the maximum number of iterations.\u003c/p\u003e\n"],["\u003cp\u003eThis Weka-based clusterer offers flexibility by allowing users to either automatically or manually select the number of clusters for their analysis.\u003c/p\u003e\n"],["\u003cp\u003eThe underlying algorithm leverages either Euclidean or Manhattan distance metrics to measure similarity between data points for cluster assignments.\u003c/p\u003e\n"]]],[],null,["# ee.Clusterer.wekaCascadeKMeans\n\nCascade simple k-means selects the best k according to the Calinski-Harabasz criterion. For more information see:\n\n\u003cbr /\u003e\n\nCalinski, T. and J. Harabasz. 1974. A dendrite method for cluster analysis. Commun. Stat. 3: 1-27.\n\n| Usage | Returns |\n|-------------------------------------------------------------------------------------------------------------------------------------------------------|-----------|\n| `ee.Clusterer.wekaCascadeKMeans(`*minClusters* `, `*maxClusters* `, `*restarts* `, `*manual* `, `*init* `, `*distanceFunction* `, `*maxIterations*`)` | Clusterer |\n\n| Argument | Type | Details |\n|--------------------|------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| `minClusters` | Integer, default: 2 | Min number of clusters. |\n| `maxClusters` | Integer, default: 10 | Max number of clusters. |\n| `restarts` | Integer, default: 10 | Number of restarts. |\n| `manual` | Boolean, default: false | Manually select the number of clusters. |\n| `init` | Boolean, default: false | Set whether to initialize using the probabilistic farthest first like method of the k-means++ algorithm (rather than the standard random selection of initial cluster centers). |\n| `distanceFunction` | String, default: \"Euclidean\" | Distance function to use. Options are: Euclidean and Manhattan. |\n| `maxIterations` | Integer, default: null | Maximum number of iterations for k-means. |"]]
