ee.Clusterer.wekaCobweb
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
การใช้งานอัลกอริทึมการจัดกลุ่ม Cobweb ดูข้อมูลเพิ่มเติมได้ที่
ง. Fisher (1987) การได้มาซึ่งความรู้ผ่านการจัดกลุ่มแนวคิดแบบเพิ่มขึ้น แมชชีนเลิร์นนิง 2(2):139-172. and J. H. Gennari, P. Langley, D. Fisher (1990) โมเดลของการสร้างแนวคิดที่เพิ่มขึ้น ปัญญาประดิษฐ์ (AI) 40:11-61
| การใช้งาน | การคืนสินค้า |
|---|
ee.Clusterer.wekaCobweb(acuity, cutoff, seed) | Clusterer |
| อาร์กิวเมนต์ | ประเภท | รายละเอียด |
|---|
acuity | Float, ค่าเริ่มต้น: 1 | ความแม่นยำ (ค่าเบี่ยงเบนมาตรฐานขั้นต่ำ) |
cutoff | ลอย ค่าเริ่มต้น: 0.002 | ค่าตัด (อรรถประโยชน์ขั้นต่ำของหมวดหมู่) |
seed | จำนวนเต็ม ค่าเริ่มต้น: 42 | ค่าเริ่มต้นของตัวเลขสุ่ม |
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-26 UTC
[null,null,["อัปเดตล่าสุด 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. |"]]
