1. Pengelompokan
1.1 KmeansCluster dan BatchKmeansCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.kmeans.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.kmeans.cluster.shard_factor | FLOAT | 16.0f | Faktor untuk menyetel konkurensi multi-thread. |
proxima.kmeans.cluster.epsilon | DOUBLE | FL_EPSILON | Presisi konvergensi pengelompokan. |
proxima.kmeans.cluster.max_iterations | UINT32 | 20 | Jumlah maksimum iterasi. |
proxima.kmeans.cluster.purge_empty | BOOL | false | Menentukan apakah akan menghapus centroid kosong. |
proxima.kmeans.cluster.seeker_class | STRING | LinearSeeker | Kelas algoritma untuk mencari centroid. |
proxima.kmeans.cluster.seeker_params | IndexParams | Parameter kelas algoritma untuk mencari centroid. Mereka adalah objek IndexParams. |
1.2 GpuKmeansCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.kmeans.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.kmeans.cluster.epsilon | DOUBLE | FL_EPSILON | Presisi konvergensi pengelompokan. |
proxima.kmeans.cluster.max_iterations | UINT32 | 100 | Jumlah maksimum iterasi. |
proxima.kmeans.cluster.purge_empty | BOOL | false | Menentukan apakah akan menghapus centroid kosong. |
1.3 MiniBatchKmeansCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.minibatchkmeans.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.minibatchkmeans.cluster.shard_factor | FLOAT | 16.0f | Faktor untuk menyetel konkurensi multi-thread. |
proxima.minibatchkmeans.cluster.epsilon | DOUBLE | FL_EPSILON | Presisi konvergensi pengelompokan. |
proxima.minibatchkmeans.cluster.max_iterations | UINT32 | 20 | Jumlah maksimum iterasi. |
proxima.minibatchkmeans.cluster.purge_empty | BOOL | false | Menentukan apakah akan menghapus centroid kosong. |
proxima.minibatchkmeans.cluster.try_count | UINT32 | 20 | Jumlah percobaan. Nilai minimumnya adalah 1. |
proxima.minibatchkmeans.cluster.batch_count | UINT32 | 0 | Jumlah fitur yang diambil sampelnya untuk pelatihan batch. Jika nilai parameter ini adalah 0, nilai sebenarnya adalah jumlah total fitur dibagi dengan jumlah percobaan. |
proxima.minibatchkmeans.cluster.seeker_class | STRING | LinearSeeker | Kelas algoritma untuk mencari centroid. |
proxima.minibatchkmeans.cluster.seeker_params | IndexParams | Parameter kelas algoritma untuk mencari centroid. |
1.4 BikmeansCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.bikmeans.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.bikmeans.cluster.init_count | UINT32 | 0 | Jumlah centroid untuk inisialisasi pengelompokan pada fase pertama. Jika nilai parameter ini adalah 0, nilai sebenarnya adalah jumlah total fitur dibagi empat. |
proxima.bikmeans.cluster.purge_empty | BOOL | false | Menentukan apakah akan menghapus centroid kosong. |
proxima.bikmeans.cluster.first_class | STRING | KmeansCluster | Metode pengelompokan pada fase pertama. |
proxima.bikmeans.cluster.second_params | IndexParams | Parameter metode pengelompokan pada fase pertama. | |
proxima.bikmeans.cluster.second_class | STRING | KmeansCluster | Metode pengelompokan pada fase kedua. |
proxima.bikmeans.cluster.second_params | IndexParams | Parameter metode pengelompokan pada fase kedua. |
1.5 KmeansppCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.kmeanspp.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.kmeanspp.cluster.shard_factor | UINT32 | 16.0f | Faktor untuk menyetel konkurensi multi-thread. |
proxima.kmeanspp.cluster.class | STRING | KmeansCluster | Metode pengelompokan yang dipanggil setelah centroid diinisialisasi. |
proxima.kmeanspp.cluster.params | IndexParams | Parameter metode pengelompokan. |
1.6 Kmc2Cluster/AFKmc2Cluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.kmc2.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.kmc2.cluster.shard_factor | UINT32 | 2.5f | Faktor untuk menyetel konkurensi multi-thread. |
proxima.kmc2.cluster.markov_chain_length | UINT32 | 0u | Panjang rantai Markov. Jika nilai parameter ini adalah 0, nilai sebenarnya adalah jumlah thread dikalikan dengan faktor konkurensi. |
proxima.kmc2.cluster.class | STRING | KmeansCluster | Metode pengelompokan yang dipanggil setelah centroid diinisialisasi. |
proxima.kmc2.cluster.params | IndexParams | Parameter metode pengelompokan. |
1.7 KmedoidsCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah centroid. |
proxima.kmedoids.cluster.count | UINT32 | 0 | Jumlah centroid. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.kmedoids.cluster.shard_factor | FLOAT | 16.0f | Faktor untuk menyetel konkurensi multi-thread. |
proxima.kmedoids.cluster.epsilon | DOUBLE | FL_EPSILON | Presisi konvergensi pengelompokan. |
proxima.kmedoids.cluster.max_iterations | UINT32 | 20 | Jumlahmaksimum iterasi. |
proxima.kmedoids.cluster.purge_empty | BOOL | false | Menentukan apakah akan menghapus centroid kosong. |
proxima.kmedoids.cluster.bench_ratio | FLOAT | 0.1f | Rasio titik kandidat. |
proxima.kmedoids.cluster.only_means | BOOL | false | Menentukan apakah hanya menggunakan nilai rata-rata sebagai titik kandidat. Algoritma menurun menjadi k-means. |
proxima.kmedoids.cluster.without_means | BOOL | false | Menentukan apakah tidak menggunakan nilai rata-rata sebagai titik kandidat. |
proxima.kmedoids.cluster.seeker_class | STRING | LinearSeeker | Kelas algoritma untuk mencari centroid. |
proxima.kmedoids.cluster.seeker_params | IndexParams | Parameter kelas algoritma untuk mencari centroid. Mereka adalah objek IndexParams. |
1.8 StratifiedCluster
Parameter | Tipe | Nilai default | Deskripsi |
proxima.general.cluster.count | UINT32 | 0 | Jumlah total centroid pada lapisan kedua. |
proxima.stratified.cluster.count | UINT32 | 0 | Jumlah total centroid pada lapisan kedua. Prioritas parameter ini lebih tinggi daripada prioritas parameter proxima.general.cluster.count dan lebih rendah daripada prioritas nilai K dari suggest. |
proxima.stratified.cluster.first_class | STARING | KmeansCluster | Metode pengelompokan yang ingin Anda gunakan pada lapisan pertama. |
proxima.stratified.cluster.second_class | STARING | KmeansCluster | Metode pengelompokan yang ingin Anda gunakan pada lapisan kedua. |
proxima.stratified.cluster.first_count | UINT32 | 0 | Jumlah centroid yang ingin Anda kelompokkan pada lapisan pertama. |
proxima.stratified.cluster.second_count | UINT32 | 0 | Jumlah centroid yang ingin Anda kelompokkan pada lapisan kedua. |
proxima.stratified.cluster.first_params | IndexParams | Parameter metode pengelompokan yang ingin Anda gunakan pada lapisan pertama. | |
proxima.stratified.cluster.second_params | IndexParams | Parameter metode pengelompokan yang ingin Anda gunakan pada lapisan kedua. | |
proxima.stratified.cluster.auto_tuning | BOOL | false |
2. Estimasi Pengelompokan
2.1 GapstatsClusterEstimater