Überblick über das Toolset "Muster analysieren"

Das Toolset "Muster analysieren" enthält Werkzeuge zur Identifizierung, Quantifizierung und Visualisierung räumlicher Muster in Feature-Daten.

GeoAnalytics Desktop Tools bieten eine Parallelverarbeitungsumgebung auf einem Desktop-Computer mit Apache Spark. Durch Aggregation, Regression, Erkennung und Cluster-Bildung können Sie Big Data visualisieren, analysieren und nutzen. Diese Werkzeuge arbeiten mit umfangreichen Datasets und ermöglichen Ihnen über Muster, Trends und Abweichungen Einblicke in Ihre Daten. Die Werkzeuge sind in ArcGIS Pro integriert und werden so wie andere Desktop-Geoverarbeitungswerkzeuge ausgeführt.

WerkzeugBeschreibung

Dichte berechnen

Berechnet die Größe pro Flächeneinheit auf Basis von Punkt-Features, die sich innerhalb einer bestimmten Nachbarschaft um die einzelnen Zellen befinden.

Hot-Spots suchen

Dieses Werkzeug identifiziert in einer Reihe von Features mithilfe der Getis-Ord Gi*-Statistik statistisch signifikante Hot-Spots und Cold-Spots.

Punkt-Cluster suchen

Findet Cluster aus Punkt-Features im Umfeldrauschen basierend auf deren räumlicher oder raumzeitlicher Verteilung.

Forest-basierte Klassifizierung und Regression

Erstellt Modelle und generiert Vorhersagen mithilfe einer Adaption des "Random Forest"-Algorithmus, einer Methode für überwachtes maschinelles Lernen von Leo Breiman und Adele Cutler. Vorhersagen können sowohl für Kategorievariablen (Klassifizierung) als auch für kontinuierliche Variablen (Regression) getroffen werden. Erklärende Variablen können als Felder in der Attributtabelle der Trainings-Features vorliegen. Zusätzlich zur Validierung der Modell-Performance auf Grundlage der Trainingsdaten sind Vorhersagen für Features möglich.

Generalisierte lineare Regression

Führt eine generalisierte lineare Regression (GLR) aus, um Vorhersagen zu generieren oder eine abhängige Variable in Hinsicht auf ihre Beziehung zu einem Satz erklärender Variablen zu modellieren. Dieses Werkzeug kann für kontinuierliche (OLS) und binäre (logistische) Modelle sowie für Anzahlmodelle (Poisson) verwendet werden.

Verwandte Themen