叢集演演算法 clustering-algorithms

叢集演演算法會根據相似性，將資料點分組為不同的叢集，讓不受監督的學習能夠揭示資料中的模式。 若要建立叢集演演算法，請使用OPTIONS子句中的type引數，指定您要用於模型訓練的演演算法。 接著，將相關引數定義為鍵值配對，以微調模型。

K-Means kmeans

K-Means是一種叢集演演算法，可將資料點分割成預先定義的叢集數目(k)。 由於其簡單性和效率，這是最常用於叢集的演演算法之一。

參數

使用K-Means時，可在OPTIONS子句中設定下列引數：

範例

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是階層式叢集演演算法，使用分裂式（或「由上而下」）方法。 所有觀察從單一叢集開始，並在建立階層時遞回執行分割。 Bisecting K-means通常可以比一般的K-means更快，但它通常會產生不同的叢集結果。

參數

範例

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

Gaussian Mixture Model gaussian-mixture-model

Gaussian Mixture Model代表複合分佈，其中資料點從k個高斯子分佈之一繪製，每個子分佈都有自己的機率。 它用來模型化假設是從數個高斯分佈的混合產生的資料集。

參數

範例

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)是一種機率模型，可從檔案集合中擷取基礎主題結構。 這是具有文字、主題和檔案層的三層階層Bayesian模型。 LDA會使用這些圖層以及觀察到的檔案來建置潛在的主題結構。

參數

範例

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

後續步驟

閱讀本檔案後，您現在瞭解如何設定和使用各種叢集演演算法。 接著，參閱分類和回歸上的檔案，瞭解其他型別的進階統計模型。