Annuncio: tutti i progetti non commerciali registrati per l'utilizzo di Earth Engine prima del
15 aprile 2025 devono
verificare l'idoneità non commerciale per mantenere l'accesso a Earth Engine.
ee.Clusterer.wekaCascadeKMeans
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
La semplice cascata k-means seleziona il k migliore in base al criterio di Calinski-Harabasz. Per ulteriori informazioni, vedi:
Calinski, T. e J. Harabasz. 1974. Un metodo dendrite per l'analisi dei cluster. Comun. Stat. 3: 1-27.
| Utilizzo | Resi |
|---|
ee.Clusterer.wekaCascadeKMeans(minClusters, maxClusters, restarts, manual, init, distanceFunction, maxIterations) | Clusterer |
| Argomento | Tipo | Dettagli |
|---|
minClusters | Numero intero, valore predefinito: 2 | Numero minimo di cluster. |
maxClusters | Numero intero, valore predefinito: 10 | Numero massimo di cluster. |
restarts | Numero intero, valore predefinito: 10 | Numero di riavvii. |
manual | Booleano, valore predefinito: false | Seleziona manualmente il numero di cluster. |
init | Booleano, valore predefinito: false | Imposta se inizializzare utilizzando il metodo probabilistico farthest first come l'algoritmo k-means++ (anziché la selezione casuale standard dei centri dei cluster iniziali). |
distanceFunction | Stringa, valore predefinito: "Euclidea" | Funzione di distanza da utilizzare. Le opzioni sono: euclidea e Manhattan. |
maxIterations | Numero intero, valore predefinito: null | Numero massimo di iterazioni per k-means. |
Salvo quando diversamente specificato, i contenuti di questa pagina sono concessi in base alla licenza Creative Commons Attribution 4.0, mentre gli esempi di codice sono concessi in base alla licenza Apache 2.0. Per ulteriori dettagli, consulta le norme del sito di Google Developers. Java è un marchio registrato di Oracle e/o delle sue consociate.
Ultimo aggiornamento 2025-07-26 UTC.
[null,null,["Ultimo aggiornamento 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. |"]]
