Le noeud k moyenne classe l'ensemble de données dans différents groupes (ou clusters). La méthode définit un nombre de clusters fixe, affecte à plusieurs reprises des enregistrements à des clusters et ajuste les centres de cluster, jusqu'à ce que le modèle ne puisse plus être amélioré. Au lieu de tenter de prédire un résultat, le modèle k-means utilise un processus connu sous le nom d'apprentissage non supervisé pour découvrir des tendances dans l'ensemble de champs d'entrée.
Copy to clipboardCopié dans le presse-papiersShow more
Tableau 1. Propriétés de kmeansnode
Propriétés kmeansnode
Valeurs
Description de la propriété
inputs
[field1 ... fieldN]
Les modèles k moyenne procèdent à une analyse des clusters sur un ensemble de champs d'entrée, mais n'utilisent pas de champ cible. Les champs de pondération et de fréquence ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
num_clusters
number
gen_distance
option
cluster_label
String Number
label_prefix
chaîne
mode
Simple Expert
stop_on
Default Custom
max_iterations
number
tolerance
number
encoding_value
number
optimize
SpeedMemory
Indique si la génération du modèle doit être optimisée pour la vitesse ou la mémoire.