Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de
15 de abril de 2025 precisam
verificar a qualificação não comercial para manter o acesso ao Earth Engine.
ee.Clusterer.wekaCascadeKMeans
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
O k-means simples em cascata seleciona o melhor k de acordo com o critério de Calinski-Harabasz. Para mais informações, acesse:
Calinski, T. and J. Harabasz. 1974. Um método de dendrito para análise de cluster. Commun. Stat. 3: 1-27.
| Uso | Retorna |
|---|
ee.Clusterer.wekaCascadeKMeans(minClusters, maxClusters, restarts, manual, init, distanceFunction, maxIterations) | Clusterer |
| Argumento | Tipo | Detalhes |
|---|
minClusters | Número inteiro, padrão: 2 | Número mínimo de clusters. |
maxClusters | Número inteiro, padrão: 10 | Número máximo de clusters. |
restarts | Número inteiro, padrão: 10 | Número de reinicializações. |
manual | Booleano, padrão: falso | Selecione manualmente o número de clusters. |
init | Booleano, padrão: falso | Define se a inicialização será feita usando o método probabilístico de primeiro mais distante, como o algoritmo k-means++ (em vez da seleção aleatória padrão de centros de cluster iniciais). |
distanceFunction | String, padrão: "Euclidean" | Função de distância a ser usada. As opções são: euclidiana e de Manhattan. |
maxIterations | Número inteiro, padrão: nulo | Número máximo de iterações para k-means. |
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-07-26 UTC.
[null,null,["Última atualização 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. |"]]
