Klusteralgoritmer clustering-algorithms

Klusteralgoritmer grupperar datapunkter i distinkta kluster baserat på deras likheter, vilket gör det möjligt för oövervakad inlärning att identifiera mönster i data. Om du vill skapa en klustringsalgoritm använder du parametern type i OPTIONS -satsen för att ange den algoritm som du vill använda för modellutbildning. Därefter definierar du de relevanta parametrarna som nyckelvärdepar för att finjustera modellen.

K-Means kmeans

K-Means är en klusteralgoritm som partitionerar datapunkter till ett fördefinierat antal kluster (k). Det är en av de vanligaste algoritmerna för klustring på grund av dess enkelhet och effektivitet.

Parametrar

När du använder K-Means kan följande parametrar anges i OPTIONS -satsen:

Exempel

CREATE MODEL modelname
OPTIONS(
  type = 'kmeans',
  MAX_ITERATIONS = 30,
  NUM_CLUSTERS = 4
)
AS SELECT col1, col2, col3 FROM training-dataset;

Bisecting K-means bisecting-kmeans

Bisecting K-means är en hierarkisk klusteralgoritm som använder en delande (eller"top-down") metod. Alla observationer börjar i ett enda kluster och delas rekursivt allt eftersom hierarkin byggs. Bisecting K-means kan ofta vara snabbare än vanliga K-means, men ger vanligtvis olika klusterresultat.

Parametrar

Exempel

Create MODEL modelname OPTIONS(
  type = 'bisecting_kmeans',
) AS
  select col1, col2, col3 from training-dataset

Gaussian Mixture Model gaussian-mixture-model

Gaussian Mixture Model representerar en sammansatt fördelning där datapunkter hämtas från en av k Gaussisk delfördelningar, där var och en har sin egen sannolikhet. Den används för att modellera datauppsättningar som antas genereras från en blandning av flera Gaussisk-fördelningar.

Parametrar

Exempel

Create MODEL modelname OPTIONS(
  type = 'gaussian_mixture',
) AS
  select col1, col2, col3 from training-dataset

Latent Dirichlet Allocation (LDA) latent-dirichlet-allocation

Latent Dirichlet Allocation (LDA) är en sannolikhetsmodell som hämtar den underliggande ämnesstrukturen från en dokumentsamling. Det är en hierarkisk bayesisk modell på tre nivåer med ord-, ämne- och dokumentlager. LDA använder dessa lager tillsammans med de observerade dokumenten för att skapa en latent ämnesstruktur.

Parametrar

Exempel

Create MODEL modelname OPTIONS(
  type = 'lda',
) AS
  select col1, col2, col3 from training-dataset

Nästa steg

När du har läst det här dokumentet vet du nu hur du konfigurerar och använder olika klusteralgoritmer. Läs sedan dokumenten om klassificering och regression om du vill veta mer om andra typer av avancerade statistiska modeller.