ee.Clusterer.wekaKMeans

Mengelompokkan data menggunakan algoritma k-means. Dapat menggunakan jarak Euclidean (default) atau jarak Manhattan. Jika jarak Manhattan digunakan, sentroid dihitung sebagai median per komponen, bukan rata-rata. Untuk mengetahui informasi selengkapnya, lihat:

D. Arthur, S. Vassilvitskii: k-means++: the advantages of careful seeding. Dalam: Proceedings of the eighteenth annual ACM-SIAM symposium on Discrete algorithms, 1027-1035, 2007.

Penggunaan	Hasil
ee.Clusterer.wekaKMeans(nClusters, init, canopies, maxCandidates, periodicPruning, minDensity, t1, t2, distanceFunction, maxIterations, preserveOrder, fast, seed)	Pengelompok

Argumen	Jenis	Detail
nClusters	Bilangan Bulat	Jumlah cluster.
init	Bilangan bulat, default: 0	Metode inisialisasi yang akan digunakan. 0 = acak, 1 = k-means++, 2 = kanopi, 3 = terjauh terlebih dahulu.
canopies	Boolean, default: false	Gunakan kanopi untuk mengurangi jumlah penghitungan jarak.
maxCandidates	Bilangan bulat, default: 100	Jumlah maksimum kanopi kandidat yang akan dipertahankan dalam memori setiap saat saat menggunakan pengelompokan kanopi. Jarak T2 plus, karakteristik data, akan menentukan jumlah kanopi kandidat yang terbentuk sebelum pemangkasan berkala dan akhir dilakukan, yang dapat menyebabkan konsumsi memori berlebih. Setelan ini menghindari sejumlah besar kanopi kandidat yang menggunakan memori.
periodicPruning	Bilangan bulat, default: 10000	Seberapa sering harus memangkas kanopi dengan kepadatan rendah saat menggunakan pengelompokan kanopi.
minDensity	Bilangan bulat, default: 2	Kepadatan kanopi minimum, saat menggunakan pengelompokan kanopi, di bawahnya kanopi akan dipangkas selama pemangkasan berkala.
t1	Float, default: -1,5	Jarak T1 yang akan digunakan saat menggunakan pengelompokan kanopi. Nilai < 0 dianggap sebagai pengganda positif untuk T2.
t2	Float, default: -1	Jarak T2 yang akan digunakan saat menggunakan pengelompokan kanopi. Nilai < 0 menyebabkan penggunaan heuristik berdasarkan standar deviasi atribut.
distanceFunction	String, default: "Euclidean"	Fungsi jarak yang akan digunakan. Opsinya adalah: Euclidean dan Manhattan.
maxIterations	Bilangan bulat, default: null	Jumlah maksimum iterasi.
preserveOrder	Boolean, default: false	Mempertahankan urutan instance.
fast	Boolean, default: false	Memungkinkan penghitungan jarak yang lebih cepat, menggunakan nilai batas. Menonaktifkan penghitungan/output kesalahan/jarak kuadrat.
seed	Bilangan bulat, default: 10	Seed pengacakan.