# Apache Spark BatchのtKMeansModelプロパティ
これらのプロパティは、Spark Batchジョブのフレームワークで実行されているtKMeansModelを設定するために使われます。
Spark BatchのtKMeansModelコンポーネントは、機械学習ファミリーに属しています。
このコンポーネントは、ビッグデータ対応のTalend Platform製品およびTalend Data Fabricで利用できます。
## 基本設定
| [Vector to process] (処理するVector) | 特徴ベクトルを提供するために使う入力カラムを選択します。多くの場合、このカラムはtModelEncoderによって実行された機能エンジニアリング計算の出力です。 |
| --- | --- |
| [Save the model on file system] (モデルをファイルシステムに保存) | 特定のファイルシステムにモデルを保管する場合は、このチェックボックスを選択します。オフの場合、モデルはメモリに保管されます。参照用のボタンはSpark [Local] (ローカル)モードでは機能しません。Spark YarnまたはSpark [Standalone] (スタンドアロン)モードを使用している場合は、同じジョブ内のtHDFSConfigurationなどの設定コンポーネントで接続を適切に設定したことを確認する必要があります。 |
| [Number of clusters (K)] (クラスター数(K)) | tKMeansModelでデータをグルーピングするクラスターの数を入力します。
一般に、多数のクラスターを使うと予測のエラーを減らすことができますが、過剰適合のリスクが高くなります。したがって、たとえば処理対象のデータに含まれている可能性のあるクラスターを観察して、考えられるクラスターの数に基づいて妥当な数を設定することをお勧めします。 |
| [Set distance threshold of the convergence (Epsilon)] (収束の距離しきい値を設定(イプシロン)) | このチェックボックスをオンにして、表示される[Epsilon] (イプシロン)フィールドに、使う収束距離を入力します。すべてのクラスターの中心がこの距離よりも少なく移動すると、モデルのトレーニングは完了したと見なされます。
このチェックボックスをオフにすると、デフォルトの収束距離*0.0001*が使われます。 |
| [Set the maximum number of runs] (実行最大回数を設定) | このチェックボックスをオンにして、表示される[Maximum number of runs] (実行最大回数)フィールドに、ジョブにモデルのトレーニングを行うために実行させる反復回数を入力します。
このチェックボックスをオフにすると、デフォルトの値*20*が使われます。 |
| [Set the number of parallelized runs] (並列実行の回数を設定) | この設定はApache Spark 3.0以降では利用できません。
このチェックボックスをオンにして、表示される[Number of parallelized runs] (並列実行の数)フィールドに、ジョブに並列で実行させる反復の回数を入力します。
|
| [Set the number of steps for the initialization] (初期化のステップ数を設定) | このチェックボックスをオンにして、表示される[Steps] (ステップ)フィールドに、最適な初期化結果を得るために実行する初期化ラウンドの数を入力します。
このチェックボックスをオフにすると、デフォルト値の*5*が使われます。K-Means\|\|モードが最適な結果を得るには、ほとんどの場合*5*ラウンドで十分です。 |
| [Define the random seed] (ランダムシードの定義) | このチェックボックスをオンにし、表示される[Seed] (シード)フィールドに、クラスターセンターの初期化に使うシードを入力します。 |
## 詳細設定
| [Display the centers after the processing] (処理後に中央を表示) | このチェックボックスをオンにすると、クラスターの中心のベクトルが[Run] (実行)ビューのコンソールに出力されます。