ee.Clusterer.wekaXMeans

X-Means to K-Means z wydajnym szacowaniem liczby klastrów. Więcej informacji:

Dan Pelleg, Andrew W. Moore: X-means: Extending K-means with Efficient Estimation of the Number of Clusters. W: Seventeenth International Conference on Machine Learning, 727–734, 2000.

Wykorzystanie	Zwroty
ee.Clusterer.wekaXMeans(minClusters, maxClusters, maxIterations, maxKMeans, maxForChildren, useKD, cutoffFactor, distanceFunction, seed)	Klasteryzator

Argument	Typ	Szczegóły
minClusters	Liczba całkowita, domyślnie: 2	Minimalna liczba klastrów.
maxClusters	Liczba całkowita, domyślnie: 8	Maksymalna liczba klastrów.
maxIterations	Liczba całkowita, wartość domyślna: 3	Maksymalna liczba wszystkich iteracji.
maxKMeans	Liczba całkowita, domyślnie: 1000	Maksymalna liczba iteracji do wykonania w algorytmie KMeans.
maxForChildren	Liczba całkowita, domyślnie: 1000	Maksymalna liczba iteracji w algorytmie KMeans, która jest wykonywana na środkach klastrów podrzędnych.
useKD	Wartość logiczna, domyślnie: false	Użyj KDTree.
cutoffFactor	Liczba zmiennoprzecinkowa, domyślnie: 0	Jeśli żaden z elementów podrzędnych nie wygra, przyjmuje podany odsetek podzielonych centroidów.
distanceFunction	Ciąg znaków, domyślnie: „Euclidean”	Funkcja odległości do użycia. Dostępne opcje to: Czebyszewa, euklidesowa i Manhattan.
seed	Liczba całkowita, domyślnie: 10	Wartość początkowa randomizacji.