kmeansnode属性

K-Means 节点图标 K-Means节点将数据集分为不同的组（或簇）。该方法定义了固定数量的集群，将记录迭代分配到集群中，并调整集群中心，直到进一步优化不再能够改善模型。 k-means算法不试图预测结果，而是使用一种称为无监督学习的流程来揭示输入字段集中的模式。

示例

node = stream.create("kmeans", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("inputs", ["Cholesterol", "BP", "Drug", "Na", "K", "Age"])
# "Model" tab
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "Kmeans_allinputs")
node.setPropertyValue("num_clusters", 9)
node.setPropertyValue("gen_distance", True)
node.setPropertyValue("cluster_label", "Number")
node.setPropertyValue("label_prefix", "Kmeans_")
node.setPropertyValue("optimize", "Speed")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("stop_on", "Custom")
node.setPropertyValue("max_iterations", 10)
node.setPropertyValue("tolerance", 3.0)
node.setPropertyValue("encoding_value", 0.3)

表 1。 k风节点属性
`kmeansnode` 属性	值	属性描述
`inputs`	[field1 ... fieldN]	K-均值模型对一组输入字段进行聚类分析，但不使用目标字段。不使用权重字段和频率字段。请参阅公共建模节点属性以获取更多信息。
`num_clusters`	号
`gen_distance`	标志
`cluster_label`	`String` `Number`
`label_prefix`	字符串
`mode`	`Simple` `Expert`
`stop_on`	`Default` `Custom`
`max_iterations`	号
`tolerance`	号
`encoding_value`	号
`optimize`	`Speed` `Memory`	指定是应针对速度还是针对内存优化模型构建。