Memilih num_to_sample baris input menggunakan kriteria KMeans++.
Deretan titik diasumsikan sebagai titik masukan. Satu baris dipilih secara acak. Baris berikutnya diambil sampelnya dengan probabilitas yang sebanding dengan kuadrat jarak L2 dari baris terdekat yang dipilih sejauh ini hingga num_to_sample baris telah diambil sampelnya.
Metode Publik
Keluaran <Mengambang> | sebagai Keluaran () Mengembalikan pegangan simbolik tensor. |
Inisialisasi KmeansPlusPlus statis | |
Keluaran <Mengambang> | sampel () Matriks bentuk (num_to_sample, d). |
Metode Warisan
Metode Publik
Keluaran publik <Float> sebagaiOutput ()
Mengembalikan pegangan simbolik tensor.
Masukan ke operasi TensorFlow adalah keluaran dari operasi TensorFlow lainnya. Metode ini digunakan untuk mendapatkan pegangan simbolis yang mewakili perhitungan input.
pembuatan KmeansPlusPlusInisialisasi statis publik ( Lingkup cakupan, Operan <Float> poin, Operan <Panjang> numToSample, Operan <Panjang> benih, Operan <Panjang> numRetriesPerSample)
Metode pabrik untuk membuat kelas yang membungkus operasi KmeansPlusPlusInitialization baru.
Parameter
cakupan | ruang lingkup saat ini |
---|---|
poin | Matriks bentuk (n, d). Baris diasumsikan sebagai titik masukan. |
numToSample | Skalar. Jumlah baris yang akan dijadikan sampel. Nilai ini tidak boleh lebih besar dari n. |
benih | Skalar. Benih untuk menginisialisasi generator nomor acak. |
numRetriesPerSample | Skalar. Untuk setiap baris yang diambil sampelnya, parameter ini menentukan jumlah poin tambahan yang diambil dari distribusi saat ini sebelum memilih yang terbaik. Jika nilai negatif ditentukan, heuristik digunakan untuk mengambil sampel O(log(num_to_sample)) poin tambahan. |
Kembali
- contoh baru KmeansPlusPlusInitialization