공지사항:
2025년 4월 15일 전에 Earth Engine 사용을 위해 등록된 모든 비상업용 프로젝트는 Earth Engine 액세스를 유지하기 위해
비상업용 자격 요건을 인증해야 합니다.
ee.Clusterer.wekaXMeans
컬렉션을 사용해 정리하기
내 환경설정을 기준으로 콘텐츠를 저장하고 분류하세요.
X-Means는 클러스터 수를 효율적으로 추정하는 K-Means입니다. 자세한 내용은 다음을 참조하세요.
Dan 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.
| 사용 | 반환 값 |
|---|
ee.Clusterer.wekaXMeans(minClusters, maxClusters, maxIterations, maxKMeans, maxForChildren, useKD, cutoffFactor, distanceFunction, seed) | 클러스터러 |
| 인수 | 유형 | 세부정보 |
|---|
minClusters | 정수, 기본값: 2 | 최소 클러스터 수입니다. |
maxClusters | 정수, 기본값: 8 | 최대 클러스터 수입니다. |
maxIterations | 정수, 기본값: 3 | 전체 반복의 최대 수입니다. |
maxKMeans | 정수, 기본값: 1000 | KMeans에서 실행할 최대 반복 횟수입니다. |
maxForChildren | 정수, 기본값: 1000 | 하위 센터에서 실행되는 KMeans의 최대 반복 횟수입니다. |
useKD | 불리언, 기본값: false | KDTree를 사용합니다. |
cutoffFactor | 부동 소수점 수, 기본값: 0 | 자식이 이기지 않으면 분할된 중심의 지정된 비율을 사용합니다. |
distanceFunction | 문자열, 기본값: 'Euclidean' | 사용할 거리 함수입니다. 옵션은 Chebyshev, Euclidean, Manhattan입니다. |
seed | 정수, 기본값: 10 | 무작위화 시드입니다. |
달리 명시되지 않는 한 이 페이지의 콘텐츠에는 Creative Commons Attribution 4.0 라이선스에 따라 라이선스가 부여되며, 코드 샘플에는 Apache 2.0 라이선스에 따라 라이선스가 부여됩니다. 자세한 내용은 Google Developers 사이트 정책을 참조하세요. 자바는 Oracle 및/또는 Oracle 계열사의 등록 상표입니다.
최종 업데이트: 2025-07-26(UTC)
[null,null,["최종 업데이트: 2025-07-26(UTC)"],[[["\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. |"]]
