集群#

参数#

#include

命名空间 cuvs::cluster::agglomerative

enum Linkage#

确定计算最小生成树（MST）的方法

值：

enumerator PAIRWISE#

使用成对距离矩阵作为mst的输入。这对于相当小的数据集（约50k数据点）非常快速且是最佳选择。

enumerator KNN_GRAPH#

构建一个KNN图作为mst的输入，并在mst不收敛时提供额外的边。这种方法较慢，但可以扩展到非常大的数据集。

单链接#

include

命名空间 cuvs::cluster::agglomerative

void single_linkage(raft::resources const &handle, raft::device_matrix_view<const float, int, raft::row_major> X, raft::device_matrix_view<int, int, raft::row_major> dendrogram, raft::device_vector_view<int, int> labels, cuvs::distance::DistanceType metric, size_t n_clusters, cuvs::cluster::agglomerative::Linkage linkage = cuvs::cluster::agglomerative::Linkage::KNN_GRAPH, std::optional<int> c = std::make_optional<int>(DEFAULT_CONST_C))#

单链接聚类，能够构建一个KNN图，以扩展算法，使其超越使用完全连接图对距离的实现的n^2内存消耗，通过在k不够大时连接knn图来实现。

Parameters:

  • handle – [in] raft 句柄

  • X – [in] 行主序布局的密集输入矩阵

  • dendrogram – [out] 输出的树状图（大小为 [n_rows - 1] * 2）

  • labels – [out] 输出标签向量（大小为 n_rows）

  • metric – [in] 用于构建连接图的距离度量

  • n_clusters – [in] 要分配给数据样本的簇的数量

  • linkage – [in] 构建链接的策略。PAIRWISE 使用更多内存，但对于较小的数据集可能更快。KNN_GRAPH 允许控制内存使用（使用参数 c），但可能会增加最小生成树的迭代次数。

  • c – [输入] 用于从knn图构建链接时的常数。允许间接控制k。算法将设置 k = log(n) + c