分散処理

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。

パラメーター

分散処理モードの K 平均法のセントロイド初期化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。 step1Local - 第 1 ステップ、ローカルノードで実行 step2Master - 第 2 ステップ、マスターノードで実行
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初期化メソッド。 defaultDense - 初期クラスターとして最初の nClusters ポイントを使用 deterministicCSR - CSR 数値テーブルのデータの初期クラスターとして最初の nClusters ポイントを使用 randomDense - 初期クラスターとしてランダムな nClusters ポイントを使用 randomCSR - CSR 数値テーブルのデータの初期クラスターとしてランダムな nClusters ポイントを使用詳細は、「アルゴリズムの説明」を参照してください。
nClusters	適用不可	クラスターの数。必須です。
nRowsTotal	0	すべてのノードのすべての入力データセットの行の総数。分散処理モードで必要です。
seed	777	乱数生成用のシード。

K 平均法のセントロイド初期化は、アルゴリズムで説明されている一般的なスキーマに従います。

このステップの K 平均法のセントロイド初期化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 `n`_i 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 平均法のセントロイド初期化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
nPartialClusters	ローカルノードで計算されたクラスターの数を含む 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、(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。
partialClusters	ローカルノードで計算されたクラスター・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。

このステップの K 平均法のセントロイド初期化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 (各ローカルノードから 3 つの数値テーブル)。

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。