ঘোষণা :
15 এপ্রিল, 2025 এর আগে আর্থ ইঞ্জিন ব্যবহার করার জন্য নিবন্ধিত সমস্ত অবাণিজ্যিক প্রকল্পগুলিকে অবশ্যই আর্থ ইঞ্জিন অ্যাক্সেস বজায় রাখার জন্য
অ-বাণিজ্যিক যোগ্যতা যাচাই করতে হবে।
ee.Clusterer.wekaLVQ
সেভ করা পৃষ্ঠা গুছিয়ে রাখতে 'সংগ্রহ' ব্যবহার করুন
আপনার পছন্দ অনুযায়ী কন্টেন্ট সেভ করুন ও সঠিক বিভাগে রাখুন।
একটি ক্লাস্টার যা লার্নিং ভেক্টর কোয়ান্টাইজেশন অ্যালগরিদম প্রয়োগ করে। আরো বিস্তারিত জানার জন্য, দেখুন:
T. Kohonen, "Learning Vector Quantization", The Handbook of Brain Theory and Neural Networks, 2nd Edition, MIT Press, 2003, pp. 631-634.
| ব্যবহার | রিটার্নস | ee.Clusterer.wekaLVQ( numClusters , learningRate , epochs , normalizeInput ) | ক্লাস্টার |
| যুক্তি | টাইপ | বিস্তারিত | numClusters | পূর্ণসংখ্যা, ডিফল্ট: 7 | ক্লাস্টার সংখ্যা। |
learningRate | ফ্লোট, ডিফল্ট: 1 | প্রশিক্ষণ অ্যালগরিদমের জন্য শেখার হার। মান 0-এর বেশি এবং 1-এর কম বা সমান হওয়া উচিত। |
epochs | পূর্ণসংখ্যা, ডিফল্ট: 1000 | প্রশিক্ষণ যুগের সংখ্যা। মান 1 এর থেকে বেশি বা সমান হওয়া উচিত। |
normalizeInput | বুলিয়ান, ডিফল্ট: মিথ্যা | গুণাবলী স্বাভাবিককরণ এড়িয়ে যান। |
অন্য কিছু উল্লেখ না করা থাকলে, এই পৃষ্ঠার কন্টেন্ট Creative Commons Attribution 4.0 License-এর অধীনে এবং কোডের নমুনাগুলি Apache 2.0 License-এর অধীনে লাইসেন্স প্রাপ্ত। আরও জানতে, Google Developers সাইট নীতি দেখুন। Java হল Oracle এবং/অথবা তার অ্যাফিলিয়েট সংস্থার রেজিস্টার্ড ট্রেডমার্ক।
2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।
[null,null,["2025-07-24 UTC-তে শেষবার আপডেট করা হয়েছে।"],[[["\u003cp\u003eImplements the Learning Vector Quantization (LVQ) algorithm for clustering data.\u003c/p\u003e\n"],["\u003cp\u003eUsers can specify the desired number of clusters, learning rate, training epochs, and input normalization.\u003c/p\u003e\n"],["\u003cp\u003eBased on the Kohonen's work as described in "The Handbook of Brain Theory and Neural Networks".\u003c/p\u003e\n"],["\u003cp\u003eThe algorithm learns by adjusting cluster prototypes based on the input data during training epochs.\u003c/p\u003e\n"],["\u003cp\u003eIt returns a Clusterer object that can be used to predict the cluster assignments for new data points.\u003c/p\u003e\n"]]],["The `ee.Clusterer.wekaLVQ` function implements the Learning Vector Quantization algorithm for clustering. It requires specifying the number of clusters (`numClusters`, default 7), the learning rate (`learningRate`, default 1, between 0 and 1), the number of training epochs (`epochs`, default 1000, at least 1), and whether to normalize the input attributes (`normalizeInput`, default false). The function returns a Clusterer object. The algorithm's details are described in a specific paper by T. Kohonen.\n"],null,["# ee.Clusterer.wekaLVQ\n\nA Clusterer that implements the Learning Vector Quantization algorithm. For more details, see:\n\n\u003cbr /\u003e\n\nT. Kohonen, \"Learning Vector Quantization\", The Handbook of Brain Theory and Neural Networks, 2nd Edition, MIT Press, 2003, pp. 631-634.\n\n| Usage | Returns |\n|----------------------------------------------------------------------------------------------|-----------|\n| `ee.Clusterer.wekaLVQ(`*numClusters* `, `*learningRate* `, `*epochs* `, `*normalizeInput*`)` | Clusterer |\n\n| Argument | Type | Details |\n|------------------|-------------------------|------------------------------------------------------------------------------------------------------|\n| `numClusters` | Integer, default: 7 | The number of clusters. |\n| `learningRate` | Float, default: 1 | The learning rate for the training algorithm. Value should be greater than 0 and less or equal to 1. |\n| `epochs` | Integer, default: 1000 | Number of training epochs. Value should be greater than or equal to 1. |\n| `normalizeInput` | Boolean, default: false | Skip normalizing the attributes. |"]]
