このモードは、データセットが計算ノードの nblocks ブロックに分割されていると仮定します。
アルゴリズムのパラメーター
分散処理モードの K 平均法アルゴリズムのパラメーターは次のとおりです。
パラメーター |
デフォルト値 |
説明 |
|
|---|---|---|---|
computeStep |
適用不可 |
アルゴリズムを初期化するために必要なパラメーターです。次のいずれか。
|
|
algorithmFPType |
double |
アルゴリズムが中間計算に使用する浮動小数点の型。float または double を指定できます。 |
|
method |
defaultDense |
K 平均法に利用可能な計算メソッド。
|
|
nClusters |
適用不可 |
クラスターの数。アルゴリズムを初期化するために必要です。 |
|
gamma |
1.0 |
二項カテゴリカル特徴の距離計算に使用する重み。 |
|
distanceType |
euclidean |
クラスターにする観測点間の接近の基準。現在は、ユークリッド距離のみサポートしています。 |
|
assignFlag |
false |
assignments の計算を有効にする (それぞれの観測にクラスター・インデックスを割り当てる) フラグ。 |
|
分散処理モードで K 平均法を計算するには、アルゴリズムで説明されている一般的なスキーマを使用します。
ステップ 1 - ローカルノード
このステップの K 平均法アルゴリズムの入力は次のとおりです。入力 ID をパラメーターとして、アルゴリズムの入力を提供するメソッドに渡します。詳細は、「アルゴリズム」を参照してください。
入力 ID |
入力 |
|
|---|---|---|
data |
ローカルノードの i 番目のデータブロックを表す ni x p 数値テーブルのポインター。入力は、NumericTable の派生クラスのオブジェクトです。 |
|
inputCentroids |
初期クラスター・セントロイドを含む nClusters x p 数値テーブルのポインター。この入力は、NumericTable の派生クラスのオブジェクトです。 |
|
このステップで、K 平均法アルゴリズムは次の部分結果と結果を計算します。部分結果 ID または結果 ID をパラメーターとして、アルゴリズムの結果にアクセスするメソッドに渡します。詳細は、「アルゴリズム」を参照してください。
部分結果 ID |
結果 |
|
|---|---|---|
nObservations |
ローカルノードのクラスターに割り当てられた観測点の数を含む nClusters x 1 数値テーブルのポインター。デフォルトでは、この結果は HomogenNumericTable クラスのオブジェクトですが、(CSRNumericTable を除く) NumericTable の派生クラスのオブジェクトとして定義できます。 |
|
partialSums |
ローカルノードのクラスターに割り当てられた観測点の部分和を含む nClusters x p 数値テーブルのポインター。デフォルトでは、この結果は HomogenNumericTable クラスのオブジェクトですが、(PackedSymmetricMatrix、PackedTriangularMatrix、および CSRNumericTable を除く) NumericTable の派生クラスのオブジェクトとして定義できます。 |
|
partialGoalFunction |
ローカルノードのクラスターで処理された観測点の小目標関数の値を含む 1 x 1 数値テーブルのポインター。デフォルトでは、この結果は HomogenNumericTable クラスのオブジェクトですが、(CSRNumericTable を除く) NumericTable の派生クラスのオブジェクトとして定義できます。 |
|
結果 ID |
結果 |
|
assignments |
assignFlag=true の場合に使用します。ローカルノードの入力データの特徴ベクトルへのクラスター・インデックスの 32 ビット整数割り当てを含む ni x 1 数値テーブルのポインター。デフォルトでは、この結果は HomogenNumericTable クラスのオブジェクトですが、(PackedSymmetricMatrix、PackedTriangularMatrix、および CSRNumericTable を除く) NumericTable の派生クラスのオブジェクトとして定義できます。 |
|
ステップ 2 - マスターノード
このステップの K 平均法アルゴリズムの各ローカルノードからの入力は次のとおりです。入力 ID をパラメーターとして、アルゴリズムの入力を提供するメソッドに渡します。詳細は、「アルゴリズム」を参照してください。
入力 ID |
入力 |
|
|---|---|---|
partialResuts |
ステップ 1 で計算された結果を含むコレクション。 |
|
このステップで、K 平均法アルゴリズムは次の結果を計算します。結果 ID をパラメーターとして、アルゴリズムの結果にアクセスするメソッドに渡します。詳細は、「アルゴリズム」を参照してください。
結果 ID |
結果 |
|
|---|---|---|
centroids |
クラスター・セントロイドを含む nClusters x p 数値テーブルのポインター。デフォルトでは、この結果は HomogenNumericTable クラスのオブジェクトですが、(PackedSymmetricMatrix、PackedTriangularMatrix、および CSRNumericTable を除く) NumericTable の派生クラスのオブジェクトとして定義できます。 |
|
goalFunction |
目標関数の値を含む 1 x 1 数値テーブルのポインター。デフォルトでは、この結果は HomogenNumericTable クラスのオブジェクトですが、(CSRNumericTable を除く) NumericTable の派生クラスのオブジェクトとして定義できます。 |
|
重要
アルゴリズムは入力セントロイドを使用して assignments を計算します。そのため、最後に計算したセントロイドを使用して assignments を計算するには、各ローカルノードでステップ 1 の compute() および finalizeCompute() メソッドの追加呼び出しを 1 回行い、マスターノードでステップ 2 の compute() メソッドの最後の呼び出しを行った後、assignFlag を true に設定します。各ステップで assignments を取得するには、常に assignFlag を true に設定して finalizeCompute() を呼び出します。
サンプル
インテル® DAAL ディレクトリーの次のサンプルを参照してください。
C++:
- ./examples/cpp/source/kmeans/kmeans_dense_distributed.cpp
- ./examples/cpp/source/kmeans/kmeans_csr_distributed.cpp
Java*:
- ./examples/java/source/com/intel/daal/examples/kmeans/KMeansDenseDistributed.java
- ./examples/java/source/com/intel/daal/examples/kmeans/KMeansCSRDistributed.java
Python*:
- ./examples/python/source/kmeans/kmeans_dense_distributed.py
- ./examples/python/source/kmeans/kmeans_csr_distributed.py