ee.Clusterer.wekaCobweb
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
پیاده سازی الگوریتم خوشه بندی تار عنکبوت. برای اطلاعات بیشتر رجوع کنید به:
دی فیشر (1987). کسب دانش از طریق خوشه بندی مفهومی افزایشی یادگیری ماشینی 2 (2): 139-172. و JH Gennari، P. Langley، D. Fisher (1990). مدل های شکل گیری مفهوم افزایشی. هوش مصنوعی. 40:11-61.
| استفاده | برمی گرداند | ee.Clusterer.wekaCobweb( acuity , cutoff , seed ) | خوشه |
| استدلال | تایپ کنید | جزئیات | acuity | شناور، پیش فرض: 1 | حدت (حداقل انحراف معیار). |
cutoff | شناور، پیش فرض: 0.002 | Cutoff (کاربرد حداقل دسته). |
seed | عدد صحیح، پیش فرض: 42 | دانه اعداد تصادفی |
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی."],[],["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,[]]
