ee.Clusterer.wekaLVQ
संग्रह की मदद से व्यवस्थित रहें
अपनी प्राथमिकताओं के आधार पर, कॉन्टेंट को सेव करें और कैटगरी में बांटें.
यह एक क्लस्टरर है, जो लर्निंग वेक्टर क्वांटाइज़ेशन एल्गोरिदम लागू करता है. ज़्यादा जानकारी के लिए, यह लेख पढ़ें:
टी॰ कोहोनन, "लर्निंग वेक्टर क्वांटाइज़ेशन", द हैंडबुक ऑफ़ ब्रेन थ्योरी ऐंड न्यूरल नेटवर्क्स, दूसरा एडिशन, एमआईटी प्रेस, 2003, पेज 631-634.
| इस्तेमाल | रिटर्न |
|---|
ee.Clusterer.wekaLVQ(numClusters, learningRate, epochs, normalizeInput) | क्लस्टरर |
| आर्ग्यूमेंट | टाइप | विवरण |
|---|
numClusters | पूर्णांक, डिफ़ॉल्ट: 7 | क्लस्टर की संख्या. |
learningRate | फ़्लोट, डिफ़ॉल्ट: 1 | ट्रेनिंग एल्गोरिदम के लिए लर्निंग रेट. वैल्यू 0 से ज़्यादा और 1 के बराबर या उससे कम होनी चाहिए. |
epochs | पूर्णांक, डिफ़ॉल्ट: 1000 | ट्रेनिंग के इपॉक की संख्या. वैल्यू, 1 से ज़्यादा या उसके बराबर होनी चाहिए. |
normalizeInput | बूलियन, डिफ़ॉल्ट वैल्यू: false | एट्रिब्यूट को सामान्य बनाने की प्रोसेस छोड़ें. |
जब तक कुछ अलग से न बताया जाए, तब तक इस पेज की सामग्री को Creative Commons Attribution 4.0 License के तहत और कोड के नमूनों को Apache 2.0 License के तहत लाइसेंस मिला है. ज़्यादा जानकारी के लिए, Google Developers साइट नीतियां देखें. Oracle और/या इससे जुड़ी हुई कंपनियों का, Java एक रजिस्टर किया हुआ ट्रेडमार्क है.
आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया.
[null,null,["आखिरी बार 2025-07-26 (UTC) को अपडेट किया गया."],[[["\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. |"]]
