ee.Clusterer.wekaLVQ
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
خوشه‌ای که الگوریتم Quantization بردار یادگیری را پیاده‌سازی می‌کند. برای جزئیات بیشتر، نگاه کنید به:
T. Kohonen، "Learning Vector Quantization"، The Handbook of Brain Theory and Neural Networks، ویرایش دوم، انتشارات MIT، 2003، صفحات 631-634.
| استفاده | برمی گرداند | ee.Clusterer.wekaLVQ( numClusters , learningRate , epochs , normalizeInput ) | خوشه |
| استدلال | تایپ کنید | جزئیات | numClusters | عدد صحیح، پیش فرض: 7 | تعداد خوشه ها. |
learningRate | شناور، پیش فرض: 1 | نرخ یادگیری برای الگوریتم آموزشی. مقدار باید بزرگتر از 0 و کمتر یا مساوی 1 باشد. |
epochs | عدد صحیح، پیش فرض: 1000 | تعداد دوره های آموزشی مقدار باید بزرگتر یا مساوی 1 باشد. |
normalizeInput | بولی، پیش فرض: نادرست | از عادی سازی ویژگی ها بگذرید. |
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی."],[],["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"]]
