k-means 하이퍼파라미터

입력 데이터의 특징 수.

필수

유효한 값: 양수

필요한 클러스터 수.

필수

유효한 값: 양수

훈련 데이터에 대한 전달 횟수.

선택 사항

유효한 값: 양수

기본값: 1

모델에 대한 점수를 보고하는 데 사용되는 지표 유형의 JSON 목록. 허용되는 값은 평균 제곱 편차의 경우 msd이고, 제곱 거리의 합의 경우 ssd입니다. 테스트 데이터가 제공된 경우에는 요청된 각 지표에 대해 점수가 보고됩니다.

선택 사항

유효한 값: [\"msd\"], [\"ssd\"] 또는 [\"msd\",\"ssd\"].

기본 값: [\"msd\"]

이 알고리즘은 실행 시 K 중심 = num_clusters * extra_center_factor를 생성하고 모델 완료 시 중심 수를 K에서 k로 줄입니다.

선택 사항

유효한 값: 양의 정수 또는 auto.

기본 값: auto

클러스터 평균을 계산할 때 관측치에 지정할 가중치를 결정하는 데 사용됩니다. 더 많은 지점을 관측할수록 가중치는 급격하게 감소합니다. 지점이 처음으로 관측되는 경우 클러스터 평균을 계산할 때 해당 지점에는 가중치 1이 할당됩니다. half_life_time_size 지점을 관측한 이후 가중치는 1/2이 되도록 지수 감소 함수의 감소 상수를 선택합니다. 0으로 설정된 경우 감퇴가 없습니다.

선택 사항

유효한 값: 음수가 아닌 정수

기본값: 0

이 알고리즘이 초기 클러스터 중심을 선택하는 메서드. 표준 k-means 접근 방식은 이러한 메서드를 무작위로 선택합니다. 대체 k-means++ 메서드는 첫 번째 클러스터 중심을 무작위로 선택합니다. 그런 다음 기존 중심에서 남은 데이터 포인트까지 거리의 제곱에 비례하는 가능성 분포로 중심 선택에 가중치를 부여해 초기 클러스터의 위치를 분산시킵니다.

선택 사항

유효한 값: random 또는 kmeans++.

기본 값: random

k 중심이 포함된 최종 모델을 빌드하기 위해 사용되는 Lloyd의 Expectation–Maximization(EM) 프로시저에 대한 초기화 메서드.

선택 사항

유효한 값: random 또는 kmeans++.

기본 값: kmeans++

k 중심이 포함된 최종 모델을 빌드하기 위해 사용되는 Lloyd의 Expectation–Maximization(EM) 프로시저에 대한 최대 반복 횟수.

선택 사항

유효한 값: 양수

기본값: 300

k 중심이 포함된 최종 모델을 빌드하는 경우 손실이 가장 낮은 Lloyd의 Expectation–Maximization(EM) 프로시저가 실행되는 횟수.

선택 사항

유효한 값: 양의 정수 또는 auto.

기본 값: auto

k 중심이 포함된 최종 모델을 빌드하기 위해 사용되는 Lloyd의 Expectation–Maximization(EM) 프로시저의 조기 중지에 대한 손실 변화 내결함성.

선택 사항

유효한 값: 부동 소수점. 범위: [0, 1].

기본값: 0.0001

데이터 반복자의 미니 배치당 관측치의 수.

선택 사항

유효한 값: 양수

기본값: 5000