Anuncio: Todos los proyectos no comerciales registrados para usar Earth Engine antes del
15 de abril de 2025 deben
verificar su elegibilidad no comercial para mantener el acceso. Si no realizas la verificación antes del 26 de septiembre de 2025, es posible que se suspenda tu acceso.
ee.Clusterer.wekaLVQ
Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Un Clusterer que implementa el algoritmo de cuantificación de vectores de aprendizaje. Para obtener más información, consulta los siguientes recursos:
T. Kohonen, "Learning Vector Quantization", The Handbook of Brain Theory and Neural Networks, 2nd Edition, MIT Press, 2003, págs. 631-634.
| Uso | Muestra |
|---|
ee.Clusterer.wekaLVQ(numClusters, learningRate, epochs, normalizeInput) | Clusterer |
| Argumento | Tipo | Detalles |
|---|
numClusters | Número entero, valor predeterminado: 7 | Es la cantidad de clústeres. |
learningRate | Número de punto flotante, valor predeterminado: 1 | Es la tasa de aprendizaje del algoritmo de entrenamiento. El valor debe ser mayor que 0 y menor o igual que 1. |
epochs | Número entero, valor predeterminado: 1000 | Cantidad de ciclos de entrenamiento. El valor debe ser mayor o igual que 1. |
normalizeInput | Booleano, valor predeterminado: falso | No normaliza los atributos. |
Salvo que se indique lo contrario, el contenido de esta página está sujeto a la licencia Atribución 4.0 de Creative Commons, y los ejemplos de código están sujetos a la licencia Apache 2.0. Para obtener más información, consulta las políticas del sitio de Google Developers. Java es una marca registrada de Oracle o sus afiliados.
Última actualización: 2025-07-26 (UTC)
[null,null,["Última actualización: 2025-07-26 (UTC)"],[],["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"]]
