k - means(并发)

参数

• add_cluster_attribute

  如果为true，则为每个示例生成一个名为“cluster”的新属性，其中包含cluster_id。默认情况下，除了参数之外，属性是用特殊角色“Cluster”创建的添加为标签是真的。如果是这样，则新属性称为“label”，并具有特殊角色“label”。稍后还可以通过使用Apply Model Operator生成该属性。

  范围:
• add_as_label

  如果为true，则带有cluster_id的新属性称为'label'，并且具有特殊角色'label'。如果参数添加集群属性为false，则不创建新属性。

  范围:
• remove_unlabeled

  如果设置为true，不能分配给集群的示例将从输出ExampleSet中删除。

  范围:
• k

  此参数指定要确定的集群数量。

  范围:
• max_runs

  该参数指定在随机初始化起始点的情况下k-Means的最大运行次数。

  范围:
• determine_good_start_values

  如果是真的k起点是使用k-means++启发式确定的，在David Arthur和Sergei Vassilvitskii 2007年的“k-means++:谨慎播种的优势”中有描述。

  范围:
• max_optimization_steps

  此参数指定一次k-Means运行所执行的最大迭代次数。

  范围:
• measure_types

  此参数用于选择要用于查找最近邻居的度量类型。以下选项可用:

  • 混合度量:混合度量用于计算标称和数值属性的距离。
  • 标称度量:如果只有标称属性，则可以使用不同的距离度量来计算该标称属性上的距离。
  • 数字度量:在只有数字属性的情况下，可以使用不同的距离度量来计算这个数字属性上的距离。
  • Bregmann散度:Bregmann散度是不满足三角不等式或对称的更一般的“接近”测度类型。有关更多细节，请参阅参数散度。
  范围:
• mixed_measure

  的唯一可用选项混合测量是“混合欧几里得距离”对于数值，计算欧几里得距离。对于最小值，如果两个值相同，则取距离为0，否则取距离为1。参数时有效测量类型参数设置为“混合度量”。

  范围:
• nominal_measure

  该参数定义了如何仅为输入ExampleSet中的标称属性计算距离测量类型设置为标称度量。如果使用相似度作为距离度量，则实际距离作为负相似度计算。对于不同的相似度，定义如下变量:

  e:两个示例具有相等和非零值的属性的个数

  u:两个示例值不相等的属性的个数

  z:两个示例都为零的属性的个数

  • nomaldistance:如果两个值相同，则两个值的距离为0，否则为1。
  • dicessimilarity:根据上述定义，dicessimilarity为:2*e/(2*e+u)
  • JaccardSimilarity:使用上述定义，JaccardSimilarity为:e/(e+u)
  • kulczynski相似度:根据上述定义，kulczynski相似度为:e/u
  • RogersTanimotoSimilarity:根据上述定义，RogersTanimotoSimilarity为:(e+z)/(e+2*u+z)
  • RussellRaoSimilarity:根据上述定义，RussellRaoSimilarity为:e/(e+u+z)
  • SimpleMatchingSimilarity:根据上述定义，SimpleMatchingSimilarity为:(e+z)/(e+u+z)
  范围:
• numerical_measure

  该参数定义了如何仅为输入ExampleSet中的数值属性计算距离测量类型设置为数值测量。对于不同的距离测量，定义如下变量:

  y(i,j):第i个示例的第j个属性的值。因此，y(1,3) - y(2,3)是第一个和第二个示例的第三个属性的值之差。

  如果使用相似度作为距离度量，则实际距离作为负相似度计算。

  • 欧几里得距离:所有属性的二次差之和的平方根。Dist = Sqrt (Sum_(j=1) [y(1,j)-y(2,j)]^2)
  • CanberraDistance:所有属性的总和。和是两个值之差的绝对值，除以两个绝对值之和。Dist = Sum_(j=1) |y(1,j)-y(2,j)| / (|y(1,j)|+|y(2,j)|)在计算机安全中，CanberraDistance常用于比较排名列表或入侵检测。
  • ChebychevDistance:所有属性的最大差值。Dist = max_(j=1) (|y(1,j)-y(2,j)|)
  • CorrelationSimilarity:相似度计算为两个示例的属性向量之间的相关性。
  • 余弦相似度:度量两个示例的属性向量之间夹角余弦值的相似度度量。
  • dicessimilarity:数值属性的dicessimilarity计算为2*Y1Y2/(Y1+Y2)。Y1Y2 =和/积= Sum_(j=1) y(1,j)*y(2,j)Y1 =第一个例子的值求和= Sum_(j=1) y(1,j) Y2 =第二个例子的值求和= Sum_(j=1) y(2,j)
  • 动态时间翘曲(DynamicTimeWarpingDistance):动态时间翘曲通常用于时间序列分析，用于测量两个时间序列之间的距离。这里计算从第一个示例的属性向量到第二个示例的最佳“翘曲”路径上的距离。
  • Inner乐鱼全站app下载ProductSimilarity:相似度计算为两个示例的属性向量的乘积的和。Dist = -Similarity = -Sum_(j=1) y(1,j)*y(2,j)
  • JaccardSimilarity: JaccardSimilarity计算为Y1Y2/(Y1+Y2-Y1Y2)。Y1Y2, Y1和Y2的定义见dicessimilarity。
  • kerneuclideandistance:距离由两个样例在变换空间中的欧几里得距离计算。转换由所选的内核定义，并由参数内核类型，gamma, sigma1, sigma2, sigma 3, shift, degree, a, b来配置。
  • 曼哈顿距离:属性值的绝对距离之和。Dist = Sum_(j=1) |y(1,j)-y(2,j)|
  • Max乐鱼全站app下载ProductSimilarity:相似度是所有Attribute值的所有产品的最大值。如果最大值小于或等于零，则不定义相似性。Dist = -Similarity = -max_(j=1) (y(1,j)*y(2,j))
  • 重叠相似度:相似度是数值属性简单匹配的一种变体，计算方法为minY1Y2 / min(Y1,Y2)。Y1, Y2的定义见dicessimilarity。minY1Y2 =对最小值求和= Sum_(j=1) min [y(1,j)，y(2,j)]。
  范围:
• 散度

  该参数定义了使用哪种类型的Bregman散度测量类型参数设置为'bregman散度'。对于不同的距离测量，定义如下变量:

  y(i,j):第i个示例的第j个属性的值。因此，y(1,3) - y(2,3)是第一个和第二个示例的第三个属性的值之差。

  • GeneralizedIDivergence:距离计算为Sum1 Sum2。如果任何Attribute值小于或等于0，则不适用。Sum1 = Sum_ (j = 1) y (j) * ln (y (j) / y (j)] Sum2 = Sum_ (j = 1) [y (j) - y (j)]
  • ItakuraSaitoDistance: ItakuraSaitoDistance只能计算属性为1且值大于0的ExampleSets。Dist = y(1,1)/y(2,1)-ln[y(1,1)/y(2,1)]-1
  • KLDivergence: Kullback-Leibler散度是衡量一个概率分布如何偏离第二个预期概率分布的方法。Dist = Sum_(j=1) [y(1,j)*log_2(y(1,j)/y(2,j))]
  • 对数损失:对数损失只能计算具有1属性和值大于0的ExampleSets。Dist = y(1,1)*ln[y(1,1)/y(2,1)]-(y(1,1)-y(2,1))
  • LogisticLoss:只有属性为1且值大于0的ExampleSets才能计算LogisticLoss。Dist = y (1,1) * ln (y (1,1) / y (2, 1)) + (1 y (1,1)) * ln [(1 y (1,1)) / (1 y (2,1)))
  • MahalanobisDistance: Mahalanobis distance是两个样本之间的距离，假设它们都是相同分布的随机向量。因此在整个exampleeset上计算协方差矩阵S，计算Distance为:Dist = Sqrt [(vecY1-vecY2) S (vecY1-vecY2)] vecY1 = Example 1的属性向量vecY2 = Example 2的属性向量
  • SquaredEuclideanDistance:所有属性的二次差之和。Dist = Sum_(j=1) [y(1,j)-y(2,j)]^2
  • SquaredLoss: SquaredLoss只能计算带有1个属性的ExampleSets。Dist = [y(1,1)-y(2,1)]^2
  范围:
• kernel_type

  该参数仅在数值测量参数设置为“核欧几里得距离”。通过此参数选择核函数的类型。支持以下内核类型:

  • dot:点核定义为k(x,y) = x*y，即它是x与y的内积。
  • 径向:径向核由k(x,y) = exp(-g*||x-y||^2)定义，其中g是gamma，由内核gamma参数指定。可调参数gamma在内核的性能中起着重要作用，应该仔细地针对手头的问题进行调优。
  • 多项式:多项式核由k(x,y) = (x*y+1)^d定义，其中d是多项式的度数，由_kernel degree_参数指定。多项式核非常适合于所有训练数据都归一化的问题。
  • sigmoid:这是一个双曲正切sigmoid核。计算距离为tanh[a*Y1Y2+b]，其中Y1Y2为两个示例的属性向量的内积。A和b可以使用内核A和内核b参数进行调整。A的一个常见值是1/N，其中N是数据维数。注意，并不是a和b的所有选择都能得到有效的核函数。
  • anova:方差核被定义为exp(-g(x-y))求和的d次方，其中g是伽马，d是度。两者分别由核γ和核度参数调节。
  • epachnenikov核是这个函数(3/4)(1-u2)对于u在-1和1之间u在这个范围之外是0。它有两个可调参数核sigma1和核度。
  • gaussian_combination:这是高斯组合核。它具有可调参数kernel sigma1, kernel sigma2和kernel sigma3。
  • multiquadric: multiquadric核由√(x-y||^2+c^2)定义。它具有可调的参数核sigma1和核sigma移位。
  范围:
• kernel_gamma

  这是支持向量机的核参数。此参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为径向或方差分析．

  范围:
• kernel_sigma1

  这是SVM核参数sigma1。此参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为epachnenikov，高斯组合或multiquadric．

  范围:
• kernel_sigma2

  这是SVM内核参数sigma2。此参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为高斯组合．

  范围:
• kernel_sigma3

  这是SVM核参数sigma3。此参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为高斯组合．

  范围:
• kernel_shift

  这是SVM核参数的移位。此参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为multiquadric．

  范围:
• kernel_degree

  这是SVM的核参数度。此参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为多项式，方差分析或epachnenikov．

  范围:
• kernel_a

  此参数为支持向量机内核参数a数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为神经。

  范围:
• kernel_b

  这是SVM内核参数b，该参数仅在数值测量参数设置为“核欧几里得距离”，并且内核类型参数设置为神经．

  范围:
• use_local_random_seed

  该参数表示a局部随机种子是否应该用于随机化k算法的不同起始点。

  范围:
• local_random_seed

  如果使用当地的随机种子参数被选中，此参数确定本地随机种子。

  范围: