R-K-Means

Propiedades que se pueden configurar para el algoritmo R-K-Means de HANA.

Sintaxis Use este algoritmo para almacenar en clúster las observaciones en grupos de observaciones relacionadas sin conocimiento previo de dichas relaciones. El algoritmo agrupa en clúster las observaciones en grupos k, donde k se proporciona como un parámetro de entrada. A continuación, el algoritmo asigna cada observación a los clústeres según la proximidad de la observación al medio del clúster. El proceso continúa hasta que los clústeres convergen.
Nota
  • Es posible que obtenga un número de clústeres distinto para cada clúster cada vez que ejecute el algoritmo R-K-Means. Sin embargo, las observaciones de cada clúster siguen siendo las mismas.
  • No se admite la creación de modelos mediante el algoritmo R-K-Means.
Propiedades de R-K-Means
Tabla 1: Propiedades de R-K-Means
Propiedad Descripción
Modo de salida Seleccione el modo en el que desea usar la salida de este algoritmo.
Características Seleccione las columnas de entrada con las que desea realizar la regresión.
Número de clústeres Introduzca el número de grupos para la agrupación en clúster.
Nombre de clúster Introduzca un nombre para la columna recién creada que contiene el nombre del clúster.
Repeticiones máximas Introduzca el número de repeticiones permitidas para buscar clústeres. El valor predeterminado es 100.
Número de conjuntos de centro de clúster Introduzca el número de conjuntos iniciales aleatorio de centros de clúster para la agrupación en clúster (inicio n). El valor predeterminado es 1.
Muestreo de centro de clúster inicial Introduzca un valor para seleccionar aleatoriamente centros de clúster iniciales de datos adquiridos.
Algoritmo Seleccione el tipo de algoritmo que se usará para realizar la agrupación en clúster de R-K-Means.