| Beschriftung | Erläuterung | Datentyp |
Eingabe-Features oder -Tabelle | Die Eingabe-Features oder -Tabelle mit den Feldern für Alter, erklärende Variablen und Ereignisindikator für die einzelnen Beobachtungen. | Table View |
Feld "Alter" | Das numerische Feld für das Alter der Beobachtung. Hierbei handelt es sich häufig um das Alter der Beobachtung, im Allgemeinen jedoch um die Zeitdauer ab dem ersten Moment, in dem das Ereignis hätte eintreten können, bis zu dem Zeitpunkt, an dem das Ereignis eintrat (oder bis zu dem Zeitpunkt, an dem die Beobachtung zensiert wurde). Die Einheit für das Alter (Stunden, Tage, Jahre usw.) wird nicht angegeben, aber alle Ergebnisse sollten in dieser Zeiteinheit interpretiert werden. Wenn die Werte für das Alter beispielsweise in Tagen angegeben sind und das Werkzeug für das Eintreten des Ereignisses einen Zeitpunkt vorhersagt, der zwei Zeiteinheiten in der Zukunft liegt, bedeutet dies zwei Tage in der Zukunft. | Field |
Feld "Ereignisindikator" | Das Feld, das einen Indikator dafür enthält, ob das Ereignis für die Beobachtung eingetreten ist. Das Feld darf nur die Werte 0 oder 1 enthalten. Der Wert 0 bedeutet, dass das Ereignis nicht eingetreten ist (eine zensierte Beobachtung), der Wert 1, dass das Ereignis eingetreten ist (eine unzensierte Beobachtung). Wenn beispielsweise die Lebensdauer von Bäumen geschätzt werden soll, bedeutet der Wert 0, dass der Baum noch lebt (das Ereignis Baumsterben ist nicht eingetreten), der Wert 1, dass der Baum tot ist. | Field |
Ausgabe-Features oder -Tabelle | Die Ausgabe-Features oder -Tabelle mit den vorhergesagten Zeiten bis zum Ereignis für Beobachtungen, bei denen das Ereignis nicht eingetreten ist. | Feature Class; Table |
Erklärende Variablen (optional) | Eine Liste der Felder, die erklärende Variablen darstellen und die Vorhersage der Zeit bis zum Ereignis unterstützen. Aktivieren Sie das Kontrollkästchen Kategorial für Variablen, die Klassen oder Kategorien darstellen, z. B. Materialtyp oder Einkommensgruppe. Lassen Sie das Kontrollkästchen für kontinuierliche Variablen deaktiviert. | Value Table |
Pop-ups für Überlebenskurve aktivieren (optional) | Gibt an, ob für die einzelnen Ausgabedatensätze Pop-up-Diagramme generiert werden. Die Pop-up-Diagramme zeigen die Basislinien-Überlebenskurve für die einzelnen Datensätze und eine zusätzliche Kurve für Zeit bis zum Ereignis für zensierte Beobachtungen.
| Boolean |
Zusammenfassung
Sagt die Zeit bis zu einem Ereignis basierend auf den bisherigen Zeiten bis zum Ereignis vorher. Zur Verbesserung der Vorhersagen können erklärende Variablen verwendet werden, und mit dem Werkzeug kann ermittelt werden, welche Variablen die Zeit bis zum Ereignis verlängern oder verkürzen.
Weitere Informationen zur Funktionsweise von "Zeit bis zum Ereignis schätzen"
Abbildung
Verwendung
Jede Beobachtung in den Eingabe-Features oder der -Tabelle muss Felder enthalten, die das Alter der Beobachtung, einen Indikator dafür, ob das Ereignis bereits eingetreten ist, und erläuternde Variablen enthalten. Diese Felder werden in den Parametern Feld "Alter", Feld "Ereignisindikator" und Erklärende Variablen bereitgestellt. Die erklärenden Variablen können kontinuierlich oder kategorial sein, und der Ereignisindikator darf nur die Werte 0 (das Ereignis ist nicht eingetreten) oder 1 (das Ereignis ist eingetreten) annehmen. Für das Feld "Alter" ist dies oft das tatsächliche Alter der Person, aber im Allgemeinen ist es die Zeitspanne, die vom ersten möglichen Zeitpunkt für das Eintreten des Ereignisses bis zum Zeitpunkt des Eintretens des Ereignisses (oder der aktuellen Zeit, wenn das Ereignis nicht eingetreten ist) reicht. Um beispielsweise die Lebensdauer von Bäumen zu schätzen, sollten die Werte im Feld "Alter" das aktuelle Alter des Baumes angeben, wenn er noch lebt, oder das Alter des Baumes, als er gestorben ist. Für die Schätzung der Zeit bis zur erneuten Festnahme sollten jedoch die Feldwerte die Zeitspanne zwischen der Entlassung der Person aus der Haft (dem ersten Zeitpunkt, an dem eine erneute Festnahme erfolgen könnte) und dem Zeitpunkt der erneuten Festnahme (oder dem aktuellen Datum, wenn die Person nicht erneut festgenommen wurde) sein. Die Einheit für das Alter (Stunden, Tage, Jahre usw.) muss nicht angegeben, aber alle Ergebnisse müssen in dieser Zeiteinheit ausgedrückt werden.
Die Vorhersage, wann ein Ereignis in der Zukunft eintreten wird, ist von Natur aus eine schwierige Aufgabe. Daher sollten Sie realistische Erwartungen haben. Das Werkzeug kann nur Informationen aus den von Ihnen bereitgestellten erklärenden Variablen extrahieren, aber komplexe Phänomene wie Infrastrukturausfälle beinhalten zahlreiche Faktoren, die oft sehr lokal und individuell sind. In der Praxis sollten Sie die vorhergesagten Zeiten für das Ereignis in der Regel als allgemeine Hinweise darauf betrachten, wann das Ereignis eintreten könnte, und nicht als ganz konkrete Vorhersagen bestimmter Daten. Sie sollten auch besonders vorsichtig und skeptisch sein, wenn Sie über die maximale Dauer des längsten Ereignisses der Eingabedaten hinaus extrapolieren. Obwohl die Ergebnisse der Ereigniszeitanalyse oft ungenau sind, können sie dennoch sehr nützlich sein, um allgemeine Schätzungen zukünftiger Kosten vorzunehmen oder um Ressourcen für Beobachtungen zu priorisieren und zuzuweisen, bei denen das Ereignis am wahrscheinlichsten als Nächstes eintritt.
Modelle vom Typ "Zeit bis zum Ereignis" sind nicht von Natur aus räumlich, aber die Einbeziehung räumlicher Informationen kann das Modell verbessern, indem geographische Muster berücksichtigt werden. Erwägen Sie, räumliche erklärende Variablen, wie zum Beispiel geographische Regionen, als kategoriale erklärende Variablen oder Entfernungen zu wichtigen Features als kontinuierliche erklärende Variablen hinzuzufügen. Zum Beispiel könnte bei der Modellierung der Sterblichkeit von Stadtbäumen die Entfernung zum nächsten Gebäude aufgrund des durch die Schatten der Gebäude verringerten Sonnenlichts eine wichtige Rolle spielen.
Beobachtungen, bei denen das Ereignis noch nicht eingetreten ist, werden als zensierte Beobachtungen bezeichnet, Beobachtungen, bei denen das Ereignis bereits eingetreten ist, als unzensierte Beobachtungen. Diese Terminologie erklärt sich aus dem Umstand, dass unzensierte Beobachtungen vollständige Informationen enthalten (der Zeitpunkt des Ereignisses ist bekannt), während zensierte Beobachtungen nur Teilinformationen enthalten; der genaue Zeitpunkt des Ereignisses ist nicht bekannt, aber es ist bekannt, dass er eine bestimmte Zeitdauer (das aktuelle Alter der Beobachtung) überschreitet.
Während die Schätzung der Modellparameter sowohl zensierte als auch unzensierte Beobachtungen verwendet, liefern unzensierte Beobachtungen die meisten Informationen, da ihre genaue Überlebenszeit bekannt ist. Im Allgemeinen wird empfohlen, mindestens 10 unzensierte Beobachtungen pro erklärender Variable zu verwenden. Kategoriale Variablen sollten jedoch als mehrere Variablen gezählt werden. Eine kategoriale Variable mit zwei Kategorien zählt als eine Variable; drei Kategorien zählen als zwei Variablen; vier Kategorien zählen als drei Variablen; usw. Zusätzlich sollte jede Kategorie mehrere unzensierte Beobachtungen enthalten, um die Wirkung aller Kategorien der kategorialen Variablen bestmöglich einschätzen zu können.
Das Werkzeug erzeugt eine Vielzahl von Ausgaben, sowohl numerisch als auch graphisch. Diese dienen dazu, die Auswirkungen der erklärenden Variablen auf die Zeit bis zum Eintreten des Ereignisses zu verstehen, das Eintreten des Ereignisses vorherzusagen und die Genauigkeit und Zuverlässigkeit des Modells zu bewerten.
In den Geoverarbeitungsmeldungen werden die Auswirkungen der erklärenden Variablen und die Genauigkeit des Modells zusammengefasst. Die Ausgabe-Feature-Class oder Ausgabetabelle enthält Felder und Pop-up-Diagramme mit Schätzungen, wann das Ereignis bei unzensierten Beobachtungen voraussichtlich eintritt.
Weitere Informationen zu den Ausgaben dieses Werkzeugs und zu deren Interpretation
Parameter
arcpy.stats.EstimateTimeToEvent(in_features, age_field, event_field, out_features, {explanatory_variables}, {enable_survival_curve_popups})| Name | Erläuterung | Datentyp |
in_features | Die Eingabe-Features oder -Tabelle mit den Feldern für Alter, erklärende Variablen und Ereignisindikator für die einzelnen Beobachtungen. | Table View |
age_field | Das numerische Feld für das Alter der Beobachtung. Hierbei handelt es sich häufig um das Alter der Beobachtung, im Allgemeinen jedoch um die Zeitdauer ab dem ersten Moment, in dem das Ereignis hätte eintreten können, bis zu dem Zeitpunkt, an dem das Ereignis eintrat (oder bis zu dem Zeitpunkt, an dem die Beobachtung zensiert wurde). Die Einheit für das Alter (Stunden, Tage, Jahre usw.) wird nicht angegeben, aber alle Ergebnisse sollten in dieser Zeiteinheit interpretiert werden. Wenn die Werte für das Alter beispielsweise in Tagen angegeben sind und das Werkzeug für das Eintreten des Ereignisses einen Zeitpunkt vorhersagt, der zwei Zeiteinheiten in der Zukunft liegt, bedeutet dies zwei Tage in der Zukunft. | Field |
event_field | Das Feld, das einen Indikator dafür enthält, ob das Ereignis für die Beobachtung eingetreten ist. Das Feld darf nur die Werte 0 oder 1 enthalten. Der Wert 0 bedeutet, dass das Ereignis nicht eingetreten ist (eine zensierte Beobachtung), der Wert 1, dass das Ereignis eingetreten ist (eine unzensierte Beobachtung). Wenn beispielsweise die Lebensdauer von Bäumen geschätzt werden soll, bedeutet der Wert 0, dass der Baum noch lebt (das Ereignis Baumsterben ist nicht eingetreten), der Wert 1, dass der Baum tot ist. | Field |
out_features | Die Ausgabe-Features oder -Tabelle mit den vorhergesagten Zeiten bis zum Ereignis für Beobachtungen, bei denen das Ereignis nicht eingetreten ist. | Feature Class; Table |
explanatory_variables [[Variable, Categorical],...] (optional) | Eine Liste der Felder, die erklärende Variablen darstellen und die Vorhersage der Zeit bis zum Ereignis unterstützen. Geben Sie die Variable als CATEGORICAL an, wenn diese Klassen oder Kategorien wie Materialtyp oder Einkommensgruppe darstellt. Wenn es sich um eine kontinuierliche Variable handelt, geben Sie NUMERIC an. | Value Table |
enable_survival_curve_popups (optional) | Gibt an, ob für die einzelnen Ausgabedatensätze Pop-up-Diagramme generiert werden. Die Pop-up-Diagramme zeigen die Basislinien-Überlebenskurve für die einzelnen Datensätze und eine zusätzliche Kurve für Zeit bis zum Ereignis für zensierte Beobachtungen.
| Boolean |
Codebeispiel
Das folgende Skript im Python-Fenster veranschaulicht, wie Sie die Funktion EstimateTimeToEvent verwenden.
# Estimate the time until an event.
import arcpy
arcpy.env.workspace = r"c:\data\project_data.gdb"
arcpy.stats.EstimateTimeToEvent(
in_features = r"myFeatureClass",
age_field = "myAgeField",
event_field = "myEventField",
out_features = r"myOutputFeatureClass",
explanatory_variables = r"cont_var1 false;cont_var2 false;cat_var1 true;cat_var2 true",
enable_survival_curve_popups = "CREATE_POPUP"
)Das folgende eigenständige Skript veranschaulicht, wie die Funktion EstimateTimeToEvent verwendet wird.
# Estimate the time until an event.
import arcpy
# Set the current workspace.
arcpy.env.workspace = r"c:\data\project_data.gdb"
# Run tool
arcpy.stats.EstimateTimeToEvent(
in_features = r"myFeatureClass",
age_field = "myAgeField",
event_field = "myEventField",
out_features = r"myOutputFeatureClass",
explanatory_variables = r"cont_var1 false;cont_var2 false;cat_var1 true;cat_var2 true",
enable_survival_curve_popups = "CREATE_POPUP"
)
# Print the messages.
print(arcpy.GetMessages())Lizenzinformationen
- Basic: Ja
- Standard: Ja
- Advanced: Ja