ee.Clusterer.wekaCobweb
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Implementierung des Cobweb-Clustering-Algorithmus. Weitere Informationen erhalten Sie hier:
D. Fisher (1987). Wissenserwerb durch inkrementelles konzeptionelles Clustering. Maschinelles Lernen 2(2):139–172 und J. H. Gennari, P. Langley, D. Fisher (1990). Modelle der inkrementellen Begriffsbildung. Künstliche Intelligenz. 40:11-61.
| Nutzung | Ausgabe |
|---|
ee.Clusterer.wekaCobweb(acuity, cutoff, seed) | Clusterer |
| Argument | Typ | Details |
|---|
acuity | Gleitkommazahl, Standardwert: 1 | Schärfe (minimale Standardabweichung). |
cutoff | Gleitkommazahl, Standardwert: 0,002 | Grenzwert (Mindestnutzen der Kategorie): |
seed | Ganzzahl, Standard: 42 | Zufallszahl-Startwert. |
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-26 (UTC)."],[[["\u003cp\u003eImplements the Cobweb clustering algorithm for incremental conceptual clustering.\u003c/p\u003e\n"],["\u003cp\u003eUtilizes acuity and cutoff parameters to control cluster formation based on standard deviation and category utility.\u003c/p\u003e\n"],["\u003cp\u003eOffers flexibility in initialization through a user-defined random number seed.\u003c/p\u003e\n"],["\u003cp\u003eBased on research by Fisher (1987) and Gennari, Langley, & Fisher (1990) in machine learning and artificial intelligence.\u003c/p\u003e\n"]]],["The core content details the implementation of the Cobweb clustering algorithm. It allows users to create a clusterer with the `ee.Clusterer.wekaCobweb` function. This function takes three arguments: `acuity` (minimum standard deviation, default 1), `cutoff` (minimum category utility, default 0.002), and `seed` (random number seed, default 42). The function returns a `Clusterer` object. References to academic papers by Fisher and Gennari, Langley, and Fisher are also provided for more information about the algorithm.\n"],null,["# ee.Clusterer.wekaCobweb\n\nImplementation of the Cobweb clustering algorithm. For more information see:\n\n\u003cbr /\u003e\n\nD. Fisher (1987). Knowledge acquisition via incremental conceptual clustering. Machine Learning. 2(2):139-172. and J. H. Gennari, P. Langley, D. Fisher (1990). Models of incremental concept formation. Artificial Intelligence. 40:11-61.\n\n| Usage | Returns |\n|---------------------------------------------------------------|-----------|\n| `ee.Clusterer.wekaCobweb(`*acuity* `, `*cutoff* `, `*seed*`)` | Clusterer |\n\n| Argument | Type | Details |\n|----------|-----------------------|--------------------------------------|\n| `acuity` | Float, default: 1 | Acuity (minimum standard deviation). |\n| `cutoff` | Float, default: 0.002 | Cutoff (minimum category utility). |\n| `seed` | Integer, default: 42 | Random number seed. |"]]
