Duyuru:
15 Nisan 2025'ten önce Earth Engine'i kullanmak için kaydedilen tüm ticari olmayan projelerin Earth Engine erişimini sürdürmek için
ticari olmayan uygunluğu doğrulaması gerekir.
ee.Clusterer.wekaXMeans
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
X-Means, küme sayısının verimli bir şekilde tahmin edildiği K-Means'dir. Daha fazla bilgi için:
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.
| Kullanım | İadeler |
|---|
ee.Clusterer.wekaXMeans(minClusters, maxClusters, maxIterations, maxKMeans, maxForChildren, useKD, cutoffFactor, distanceFunction, seed) | Kümeleyici |
| Bağımsız Değişken | Tür | Ayrıntılar |
|---|
minClusters | Tamsayı, varsayılan: 2 | Minimum küme sayısı. |
maxClusters | Tamsayı, varsayılan: 8 | Maksimum küme sayısı. |
maxIterations | Tamsayı, varsayılan: 3 | Genel olarak maksimum yineleme sayısı. |
maxKMeans | Tam sayı, varsayılan: 1000 | KMeans'de gerçekleştirilecek maksimum yineleme sayısı. |
maxForChildren | Tam sayı, varsayılan: 1000 | KMeans'de alt merkezlerde gerçekleştirilen maksimum yineleme sayısı. |
useKD | Boole değeri, varsayılan: false | KDTree kullanın. |
cutoffFactor | Ondalık sayı, varsayılan: 0 | Alt öğelerden hiçbiri kazanmazsa bölünmüş merkezlerin belirtilen yüzdesini alır. |
distanceFunction | Dize, varsayılan: "Euclidean" | Kullanılacak mesafe işlevi. Seçenekler: Chebyshev, Öklid ve Manhattan. |
seed | Tamsayı, varsayılan: 10 | Rastgele hale getirme başlangıç noktası. |
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[null,null,["Son güncelleme tarihi: 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. |"]]
