K 平均法クラスタリング - MADlib

madlib スキーマがデータベースに存在する場合、このパラメーターのデフォルトは madlib です。

centroids | objective_fn | frac_reassigned | num_iterations

• [はい] (デフォルト) の場合、同じ名前の既存のテーブルを削除し、新しいテーブルを作成します。
• [いいえ] の場合、フローを停止し、エラーが発生したことをユーザーに警告します。

• random (デフォルト) - 入力データセットから初期重心をランダムに選択します。
• distributed - 互いに遠く離れた重心を選択しようとする K 平均法Plus Plus \[1\] アルゴリズムを通じて初期重心を選択します。
• ユーザー定義 - 重心ソース入力テーブル (重心ソース) と、初期重心位置を持つその 重心カラム を指定します。

このパラメーターは配列型である必要があります。

• デフォルト値は 2 です。
  ノート: K 平均法アルゴリズムのクラスター数 K がデータの自然な構造と一致するように選択されていない場合、結果は理想的ではありません。これを軽減する適切な方法は、K のさまざまな値を試してみることです。原則として、最良の K 値は、最小のクラスター距離と最大のクラスター間距離を示します。
• したがって、モデラーはクラスターの結果に基づいて K のさまざまな値を試してみることができます。たとえば、分析が収束しない場合、またはグループが重複または分散しすぎる場合は、クラスターの増加が必要になる場合があります。

コサイン - 2 つのベクトル間の角度のコサインを測定します。 n 次元ベクトル および の場合、次のように内積公式を使用して計算されます。

ユークリッド - 各属性軸に沿った距離の 2 乗和の平方根。 n 次元ベクトル および の場合、次のように計算されます。

マンハッタン - マンハッタン、またはタクシーの距離は、軸に平行に移動するときの 2 点間の距離を測定します。 n 次元ベクトル および の場合、それは次のように与えられます。

2 乗ユークリッド (デフォルト) - 2 点間の直線距離を計算するデフォルトの方法。これは、各属性軸に沿った距離の 2 乗の合計です。 n 次元ベクトル および の場合、 として計算されます。

Tanimoto - サンプルセット間の非類似性を測定します。これは Jaccard 係数の補数であり、1 から Jaccard 係数を減算することによって、または同等に、和集合と 2 つのセットの共通部分のサイズの差を和集合のサイズで割ることによって取得されます。Dice の類似性と同様に、セットを表すために 0 ～ 1 のベクトルが使用されます。次に、セットベクトル および で表されるセット A と B の Jaccard 類似度は、次の式で求められます。

ユーザー定義 - ユーザーによって指定されます。 ユーザー定義の距離を参照してください。

モデラーは、デフォルトの 2 乗ユークリッド メソッドから始めて、他のさまざまな計算メソッドを試して、クラスター結果がより直感的に見えるか、ビジネス上の洞察が得られるかを判断します。