tf.contrib.factorization.KMeans

Создаёт граф для кластеризации k-средних.

tf.contrib.factorization.KMeans(
    inputs, num_clusters, initial_clusters=RANDOM_INIT,
    distance_metric=SQUARED_EUCLIDEAN_DISTANCE, use_mini_batch=False,
    mini_batch_steps_per_iteration=1, random_seed=0, kmeans_plus_plus_num_retries=2,
    kmc2_chain_length=200
)

Аргументы
`inputs`	Входной тензор или список входных тензоров. Предполагается, что точки данных были предварительно случайным образом перетасованы.
`num_clusters`	Целочисленный тензор, определяющий количество кластеров. Этот аргумент игнорируется, если initial_clusters является тензором или массивом NumPy.
`initial_clusters`	Определяет кластеры, используемые во время инициализации. Один из следующих вариантов: тензор или массив NumPy с начальными центрами кластеров. функция f(inputs, k), которая возвращает до k центров из `inputs`. "random": Случайный выбор центров из `inputs`. "kmeans_plus_plus": Использование kmeans++ для выбора центров из `inputs`. "kmc2": Использование быстрого алгоритма k-MC2 для выбора центров из `inputs`. В последних трёх случаях одна партия `inputs` может не дать `num_clusters` центров, в таком случае инициализация потребует нескольких партий до тех пор, пока не будет выбрано достаточно центров. В случае "random" или "kmeans_plus_plus", если размер входных данных <= `num_clusters`, то вся партия выбирается в качестве центров кластеров.
`distance_metric`	Метрика расстояния, используемая для кластеризации. Поддерживаются варианты: "squared_euclidean", "cosine".
`use_mini_batch`	Если True, используется алгоритм мини-партных k-средних. Иначе предполагается полная партия.
`mini_batch_steps_per_iteration`	Количество шагов, после которых обновлённые центры кластеров синхронизируются с основной копией.
`random_seed`	Семечко для псевдослучайного генератора чисел, используемого для инициализации семян.
`kmeans_plus_plus_num_retries`	Для каждой точки, которая выбирается во время инициализации kmeans++, этот параметр указывает количество дополнительных точек, которые нужно взять из текущего распределения, прежде чем выбрать лучшую. Если указано отрицательное значение, используется эвристика для выбора O(log(num_to_sample)) дополнительных точек.
`kmc2_chain_length`	Определяет количество кандидатных точек, используемых алгоритмом k-MC2 для создания одного нового центра кластера. Если (мини-) партия содержит меньше точек, один новый центр кластера генерируется из (мини-) партии.

Исключения
`ValueError`	В initial_clusters или distance_metric был передан недопустимый аргумент.

Методы

`training_graph`

Просмотреть исходный код

training_graph()

Генерирует граф обучения для алгоритма k-средних.

Это возвращает, среди прочего, операцию, которая выбирает начальные центры (init_op), булеву переменную, которая устанавливается в True, когда начальные центры выбраны (cluster_centers_initialized), и операцию для выполнения либо полной итерации Ллойда, либо мини-партного варианта итерации Ллойда (training_op). Вызывающая сторона должна использовать эти компоненты следующим образом. Один рабочий должен выполнять init_op несколько раз до тех пор, пока cluster_centers_initialized не станет True. Затем несколько рабочих могут выполнять training_op любое количество раз.

Возвращаемые значения
Кортеж, содержащий:
`all_scores`	Матрица (или список матриц) с размерностями (num_input, num_clusters), где значение представляет расстояние между вектором входных данных и центром кластера.
`cluster_idx`	Вектор (или список векторов). Каждый элемент в векторе соответствует строке входных данных в 'inp' и указывает идентификатор кластера, соответствующий входным данным.
`scores`	Аналогично cluster_idx, но указывает расстояние до назначенного кластера вместо этого.
`cluster_centers_initialized`	Числовое значение, указывающее, были ли инициализированы кластеры.
`init_op`	Операция для инициализации кластеров.
`training_op`	Операция, которая выполняет итерацию обучения.

© 2020 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 3.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/versions/r1.15/api_docs/python/tf/contrib/factorization/KMeans