# tKMeansStrModel K-Meansアルゴリズムの適用に基づいて受信データセットをほぼリアルタイムで分析します。 このコンポーネントは、ストリーミング特徴ベクターを分析して、変化する状況に既存のクラスタリングモデルを継続的に適応させます。入力データは通常、tModelEncoderによって前処理され、K-Meansモデルは、tPredictによって指定されたエレメントをクラスタリングするために使われます。 この分析からK-Meansクラスタリングモデルを継続的にアップデートし、このモデルをメモリまたは特定のファイルシステムのどちらかに書き込みます。 ローカルモードでは、Apache Spark 2.4.0以降のバージョンがサポートされています。 デフォルトで、このコンポーネントはTalend Studioと共には出荷されていません。機能マネージャーを使ってインストールする必要があります。 詳細は、[機能マネージャーを使って機能をインストール](https://help.qlik.com/talend/r/ja-JP/8.0/studio-user-guide/install-features-to-talend-studio)をご覧ください。 ## Apache Spark StreamingのtKMeansStrModelプロパティ これらのプロパティは、Spark Streamingジョブのフレームワークで実行されているtKMeansStrModelを設定するために使われます。 Spark Streaming tKMeansStrModel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Talend Real-Time Big Data PlatformとTalend Data Fabricで利用できます。 ## 基本設定 | プロパティ | 説明 | | --- | --- | | [Save on disk] (ディスクに保存) | [Path] (パス)フィールドに入力したHDFSディレクトリーにクラスタリングモデルを保存するには、このチェックボックスをオンにします。

この場合、モデルが保存される最後の時間間隔(分単位)を入力する必要があります。

このチェックボックスをオフにすると、モデルはメモリに保管されます。 | | Path (パス) | 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。

[Path] (パス)フィールドに、使うHDFSディレクトリーを入力します。

このフィールドは、ファイルシステムへのモデルの保存またはファイルシステムからのモデルの読み取りに使うチェックボックスをオンにすると利用できます。 | | [Load a precomputed model from disk] (事前計算済みモデルをディスクからロード) | [Path] (パス)フィールドで指定したディレクトリーに保管されている既存のK-Meansモデルを使うには、このチェックボックスをオンにします。これはtKMeansStrModelを使う場合の一般的なケースです。この状況では以下の動作が予想されます。



この[Load a precomputed model from disk] (ディスクから事前計算済みモデルをロードする)チェックボックスをオフにすると、tKMeansStrModelは新しいK-Meansモデルを最初から作成します。 | | [Vector to process] (処理するVector) | 特徴ベクター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。

このリストは、[Load a precomputed model from disk] (ディスクから事前計算されたモデルをロードする)チェックボックスまたは[Reuse the model transformation associated with the model] (モデルに関連付けられたモデル変換を再利用する)チェックボックスをオフにした場合に表示されます。 | | [Size of your feature vector] (特徴ベクターのサイズ) | [Vector to process] (処理するベクター)リストから選択したカラムから、処理する特徴ベクターのサイズを入力します。 | | [Display the vector size] (ベクターサイズを表示する) | このチェックボックスをオンにすると、[Run] (実行)ビューのコンソールで使われる特徴ベクターが表示されます。

この機能はジョブを遅くしますが、[Size of your feature vector] (特徴ベクターのサイズ)フィールドに入力する値がわからない場合に役立ちます。 | | [Number of clusters (K)] (クラスター数(K)) | tKMeansModelでデータをクラスター化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。

このフィールドは、K-Meansモデルを最初から作成するために[Load a precomputed model from disk] (ディスクから事前計算されたモデルを読み取る)チェックボックスをオフにした場合に表示されます。 | | [Decay factor] (減衰ファクター) | 新しいクラスターの中心を評価するプロセスで、新しい着信ポイントに対して既存のポイントの重みを割り引くために適用される減衰率(0〜1の範囲)を入力します。

減衰率が低いほど、新しい受信データに付加する重要性が高くなります。減衰率が*0*の場合、新しいクラスターの中心は新しいポイントによって完全に決定されます。減衰率が*1*の場合、既存のポイントと新しい着信ポイントは同等に評価されます。 | | 時間単位 | 減衰率を適用するユニットを選択します: ポイントまたはポイントのバッチ。 | ## 詳細設定 | プロパティ | 説明 | | --- | --- | | [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ターが[Run] (実行)ビューのコンソールに出力されます。

この機能は、K-Meansモデルのトレーニングプロセスでクラスターセンターがどのように移動するかを理解する必要がある場合に役立ちます。 | ## 使用方法 | 使用方法のガイダンス | 説明 | | --- | --- | | **使用ルール** | このコンポーネントは、終了コンポーネントとして使用され、入力リンクを必要とします。 | | [Model evaluation] (モデル評価) | 設定する必要があるパラメーターは自由パラメーターであるため、値は以前の実験や経験的推測などによって提供される場合があります。すべてのデータセットに適用できる最適値はありません。

したがって、最適な評価結果が得られるまで、さまざまなパラメーター値のセットを使って生成するリレーションシップモデルをトレーニングする必要があります。ただし、モデルをスコアでランク付けするためには自分で評価コードを記述する必要があります。 |