ee.Clusterer.wekaLVQ
קל לארגן דפים בעזרת אוספים
אפשר לשמור ולסווג תוכן על סמך ההעדפות שלך.
A Clusterer שמטמיע את אלגוריתם הכימות של וקטור הלמידה. פרטים נוספים זמינים במאמרים הבאים:
T. Kohonen, "Learning Vector Quantization", The Handbook of Brain Theory and Neural Networks, 2nd Edition, MIT Press, 2003, pp. 631-634.
| שימוש | החזרות |
|---|
ee.Clusterer.wekaLVQ(numClusters, learningRate, epochs, normalizeInput) | Clusterer |
| ארגומנט | סוג | פרטים |
|---|
numClusters | מספר שלם, ברירת מחדל: 7 | מספר האשכולות. |
learningRate | מספר ממשי (float), ברירת מחדל: 1 | קצב הלמידה של אלגוריתם האימון. הערך צריך להיות גדול מ-0 וקטן מ-1 או שווה לו. |
epochs | מספר שלם, ברירת מחדל: 1000 | מספר תקופות האימון. הערך צריך להיות גדול מ-1 או שווה לו. |
normalizeInput | בוליאני, ברירת מחדל: false | דילוג על נרמול המאפיינים. |
אלא אם צוין אחרת, התוכן של דף זה הוא ברישיון Creative Commons Attribution 4.0 ודוגמאות הקוד הן ברישיון Apache 2.0. לפרטים, ניתן לעיין במדיניות האתר Google Developers. Java הוא סימן מסחרי רשום של חברת Oracle ו/או של השותפים העצמאיים שלה.
עדכון אחרון: 2025-07-26 (שעון UTC).
[null,null,["עדכון אחרון: 2025-07-26 (שעון UTC)."],[[["\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. |"]]
