Wie funktioniert APPLY_KMEANS in Vertica

Question

Ich teste die Maschinen lernen-Tools in Vertica. Ich verstehe, wie die KMEANS funktioniert, da es nur die Daten in Cluster teilt. Allerdings verstehe ich nicht, wie die APPLY_KMEANS auf neue Daten funktioniert. Es sieht für mich so aus, als ob es mehr wie eine Klassifizierungsmethode agiert. Da es neue Daten in den vorhandenen Clustern klassifiziert. Also welcher Algorithmus wird verwendet (K nächster Nachbar)? Es ist nicht sehr klar aus der Dokumentation.

Answer 1

k -Mittel ist ein clustering Algorithmus (nicht Einstufung!), Dass iteriert über 2 Stufen:

• assignement Schritt: Assign jeder Punkt ein Zentroid
• Aktualisierungsschritt: Aktualisiere Zentroide Koordinaten

Wenn du dein k-me baust ans Modell, initialisieren Sie zuerst Zentroide (andere Strategie, kann zufällige Initialisierung sein), dann iterieren Sie, bis Ihr Clustering in Ordnung ist (Ihr Fehler liegt unter einem bestimmten Schwellenwert).

Was ist Ihr Modell definiert ist eigentlich Ihr Zentroide.

Wenn APPLY_KMEANS verwenden Sie einen Auftrag Schritt unter Verwendung von Daten aus der Abfrage und Zentroide von Ihrem Modell führen. Die Punkte werden dann Clustern zugewiesen, abhängig von ihrer Entfernung in Bezug auf die Zentroide.

Hope it pltrdy

---

Hinweis über Clustering vs Klassifizierung hilft:
Wir versucht sein kann zu glauben, dass Clustering eine Art Klassifizierung ist. Dennoch muss sich die Klassifizierung nur auf supervised learning beziehen, während die Clusterbildung entspricht. So tun es nicht :)