ee.Clusterer.wekaCobweb
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Implémentation de l'algorithme de clustering Cobweb. Pour en savoir plus, consultez cette page :
D. Fisher (1987). Acquisition de connaissances par clustering conceptuel incrémentiel. Machine learning. 2(2):139-172. et J. H. Gennari, P. Langley, D. Fisher (1990). Modèles de formation incrémentielle de concepts. Intelligence artificielle. 40:11-61.
| Utilisation | Renvoie |
|---|
ee.Clusterer.wekaCobweb(acuity, cutoff, seed) | Clusterer |
| Argument | Type | Détails |
|---|
acuity | Float, valeur par défaut : 1 | Acuity (écart-type minimal). |
cutoff | Float, valeur par défaut : 0,002 | Seuil (utilité minimale de la catégorie). |
seed | Entier, par défaut : 42 | Valeur source du nombre aléatoire. |
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/26 (UTC).
[null,null,["Dernière mise à jour le 2025/07/26 (UTC)."],[],["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,[]]
