ee.Clusterer.wekaXMeans
با مجموعهها، منظم بمانید
ذخیره و طبقهبندی محتوا براساس اولویتهای شما.
X-Means K-Means با تخمین کارآمد تعداد خوشه ها است. برای اطلاعات بیشتر رجوع کنید به:
دن پلگ، اندرو دبلیو مور: X-means: گسترش K-means با تخمین کارآمد تعداد خوشه ها. در: هفدهمین کنفرانس بین المللی یادگیری ماشین، 727-734، 2000.
| استفاده | برمی گرداند | ee.Clusterer.wekaXMeans( minClusters , maxClusters , maxIterations , maxKMeans , maxForChildren , useKD , cutoffFactor , distanceFunction , seed ) | خوشه |
| استدلال | تایپ کنید | جزئیات | minClusters | عدد صحیح، پیش فرض: 2 | حداقل تعداد خوشه ها |
maxClusters | عدد صحیح، پیش فرض: 8 | حداکثر تعداد خوشه. |
maxIterations | عدد صحیح، پیش فرض: 3 | حداکثر تعداد تکرار کلی. |
maxKMeans | عدد صحیح، پیش فرض: 1000 | حداکثر تعداد تکرار برای انجام در KMeans. |
maxForChildren | عدد صحیح، پیش فرض: 1000 | حداکثر تعداد تکرار در KMeans که در مراکز کودک انجام می شود. |
useKD | بولی، پیش فرض: نادرست | از KDTree استفاده کنید. |
cutoffFactor | شناور، پیش فرض: 0 | در صورتی که هیچ یک از کودکان برنده نشوند، درصد معینی از سانتروئیدهای تقسیم شده را می گیرد. |
distanceFunction | رشته، پیش‌فرض: «اقلیدسی» | تابع فاصله برای استفاده گزینه ها عبارتند از: چبیشف، اقلیدسی، و منهتن. |
seed | عدد صحیح، پیش فرض: 10 | دانه تصادفی. |
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."],[[["\u003cp\u003eX-Means extends the K-Means clustering algorithm by efficiently estimating the optimal number of clusters within a specified range.\u003c/p\u003e\n"],["\u003cp\u003eThe algorithm iteratively evaluates potential cluster splits using a Bayesian Information Criterion (BIC) to determine the most likely number of clusters.\u003c/p\u003e\n"],["\u003cp\u003eUsers can customize parameters like the minimum and maximum number of clusters, iterations, distance function, and randomization seed for fine-grained control over the clustering process.\u003c/p\u003e\n"],["\u003cp\u003eImplemented within Earth Engine, X-Means offers a scalable solution for geospatial data analysis and pattern recognition tasks.\u003c/p\u003e\n"]]],[],null,["# ee.Clusterer.wekaXMeans\n\nX-Means is K-Means with an efficient estimation of the number of clusters. For more information see:\n\n\u003cbr /\u003e\n\nDan Pelleg, Andrew W. Moore: X-means: Extending K-means with Efficient Estimation of the Number of Clusters. In: Seventeenth International Conference on Machine Learning, 727-734, 2000.\n\n| Usage | Returns |\n|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|-----------|\n| `ee.Clusterer.wekaXMeans(`*minClusters* `, `*maxClusters* `, `*maxIterations* `, `*maxKMeans* `, `*maxForChildren* `, `*useKD* `, `*cutoffFactor* `, `*distanceFunction* `, `*seed*`)` | Clusterer |\n\n| Argument | Type | Details |\n|--------------------|------------------------------|------------------------------------------------------------------------------------|\n| `minClusters` | Integer, default: 2 | Minimum number of clusters. |\n| `maxClusters` | Integer, default: 8 | Maximum number of clusters. |\n| `maxIterations` | Integer, default: 3 | Maximum number of overall iterations. |\n| `maxKMeans` | Integer, default: 1000 | The maximum number of iterations to perform in KMeans. |\n| `maxForChildren` | Integer, default: 1000 | The maximum number of iterations in KMeans that is performed on the child centers. |\n| `useKD` | Boolean, default: false | Use a KDTree. |\n| `cutoffFactor` | Float, default: 0 | Takes the given percentage of the split centroids if none of the children win. |\n| `distanceFunction` | String, default: \"Euclidean\" | Distance function to use. Options are: Chebyshev, Euclidean, and Manhattan. |\n| `seed` | Integer, default: 10 | The randomization seed. |"]]
