Predecir con AutoML (GeoAI)

Resumen

Predice variables continuas (regresión) o variables de categorías (clasificación) en datasets compatibles ocultos mediante el uso de un modelo entrenado .dlpk producido por la herramienta Entrenar con AutoML.

Más información sobre cómo funciona AutoML

Uso

  • Debe instalar el marco de aprendizaje profundo adecuado para Python en ArcGIS Pro.

    Más información sobre cómo instalar un marco de aprendizaje profundo para ArcGIS

  • La entrada es un archivo de definición de modelo de Esri (.emd) o un archivo de paquete de aprendizaje profundo (.dlpk), que se puede crear con la herramienta Entrenar con AutoML.

  • Para usar rásteres como variables explicativas o para predecir una Superficie de predicción de salida se requiere una licencia de Spatial Analyst.

  • Para obtener información sobre los requisitos para ejecutar esta herramienta y los problemas que pueden presentarse, consulte Preguntas frecuentes sobre el aprendizaje profundo.

Parámetros

EtiquetaExplicaciónTipo de datos
Definición de modelo

El archivo .dlpk o el archivo .emd.

File
Tipo de predicción

Especifica el tipo de archivo de salida que se creará.

  • Predecir entidadSe creará una capa de entidades que contiene los valores de predicción. Para esta opción se requiere el valor de Entidades de predicción de salida.
  • Predecir rásterSe creará una capa ráster que contiene los valores de predicción. Para esta opción se requiere el valor de Superficie de predicción de salida.
String
Entidades de predicción de entrada

Las entidades para las que se obtendrá la predicción. La entrada debe contener una parte o la totalidad de los campos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro Tipo de predicción se ha definido como Predecir entidad.

Feature Layer; Table View
Rásteres explicativos
(Opcional)

Una lista de rásteres que contienen los rásteres explicativos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro Tipo de predicción se ha definido como Predecir ráster.

Multivalue
Entidades de distancia
(Opcional)

Las entidades de puntos o polígonos cuyas distancias en las entidades de entrenamiento de entrada se calcularán automáticamente y se agregarán como variables explicativas. Las distancias se calculan desde cada una de las entidades de distancia de entrenamiento explicativas de entrada hasta las entidades de entrenamiento de entrada más cercanas. Si las entidades de distancia de entrenamiento explicativas de entrada son polígonos, los atributos de distancia se calcularán como la distancia entre los segmentos más cercanos del par de entidades.

Feature Layer
Entidades de predicción de salida

La tabla o clase de entidad de salida.

Feature Class; Table
Superficie de predicción de salida

La ruta en la que se guardará el ráster de predicción de salida.

Folder
Variables explicativas coincidentes
(Opcional)

La asignación de los nombres de campo del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro si los nombres de campo de los conjuntos de entrenamiento y predicción son diferentes. Los valores son los nombres de campo del dataset de predicción que coinciden con los nombres de campo de la clase de entidad de entrada.

Value Table
Variables de distancia coincidentes
(Opcional)

La asignación de los nombres de entidad de distancia del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro los nombres de entidad de distancia utilizados en los conjuntos de entrenamiento y predicción son diferentes. Los valores de cadena de caracteres son los nombres de las entidades que se utilizaron para la predicción que coinciden con los nombres de las entidades de distancia utilizadas para el entrenamiento.

Value Table
Rásteres explicativos coincidentes
(Opcional)

La asignación de nombres desde los rásteres de predicción a los rásteres de entrenamiento. Utilice este parámetro si los nombres de los rásteres explicativos usados para la predicción y los nombres de los rásteres correspondientes usados durante el entrenamiento son diferentes. Los valores de cadena de caracteres son los nombres de ráster explicativos que se utilizaron para la predicción que coinciden con los nombres de ráster explicativos utilizados para el entrenamiento.

Value Table

arcpy.geoai.PredictUsingAutoML(in_model_definition, prediction_type, in_features, {explanatory_rasters}, {distance_features}, out_prediction_features, out_prediction_surface, {match_explanatory_variables}, {match_distance_variables}, {match_explanatory_rasters})
NombreExplicaciónTipo de datos
in_model_definition

El archivo .dlpk o el archivo .emd.

File
prediction_type

Especifica el tipo de archivo de salida que se creará.

  • PREDICT_FEATURESe creará una capa de entidades que contiene los valores de predicción. Para esta opción se requiere el valor de Entidades de predicción de salida.
  • PREDICT_RASTERSe creará una capa ráster que contiene los valores de predicción. Para esta opción se requiere el valor de Superficie de predicción de salida.
String
in_features

Las entidades para las que se obtendrá la predicción. La entrada debe contener una parte o la totalidad de los campos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro prediction_type se define como PREDICT_FEATURE.

Feature Layer; Table View
explanatory_rasters
[explanatory_rasters,...]
(Opcional)

Una lista de rásteres que contienen los rásteres explicativos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro prediction_type se define como PREDICT_RASTER.

Multivalue
distance_features
[distance_features,...]
(Opcional)

Las entidades de puntos o polígonos cuyas distancias en las entidades de entrenamiento de entrada se calcularán automáticamente y se agregarán como variables explicativas. Las distancias se calculan desde cada una de las entidades de distancia de entrenamiento explicativas de entrada hasta las entidades de entrenamiento de entrada más cercanas. Si las entidades de distancia de entrenamiento explicativas de entrada son polígonos, los atributos de distancia se calcularán como la distancia entre los segmentos más cercanos del par de entidades.

Feature Layer
out_prediction_features

La tabla o clase de entidad de salida.

Feature Class; Table
out_prediction_surface

La ruta en la que se guardará el ráster de predicción de salida.

Folder
match_explanatory_variables
[match_explanatory_variables,...]
(Opcional)

La asignación de los nombres de campo del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro si los nombres de campo de los conjuntos de entrenamiento y predicción son diferentes. Los valores son los nombres de campo del dataset de predicción que coinciden con los nombres de campo de la clase de entidad de entrada.

Value Table
match_distance_variables
[match_distance_variables,...]
(Opcional)

La asignación de los nombres de entidad de distancia del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro los nombres de entidad de distancia utilizados en los conjuntos de entrenamiento y predicción son diferentes. Los valores de cadena de caracteres son los nombres de las entidades que se utilizaron para la predicción que coinciden con los nombres de las entidades de distancia utilizadas para el entrenamiento.

Value Table
match_explanatory_rasters
(Opcional)

La asignación de nombres desde los rásteres de predicción a los rásteres de entrenamiento. Utilice este parámetro si los nombres de los rásteres explicativos usados para la predicción y los nombres de los rásteres correspondientes usados durante el entrenamiento son diferentes. Los valores de cadena de caracteres son los nombres de ráster explicativos que se utilizaron para la predicción que coinciden con los nombres de ráster explicativos utilizados para el entrenamiento.

Value Table

Muestra de código

PredictUsingAutoML (ventana de Python)

El siguiente script muestra cómo utilizar la función PredictUsingAutoML.

# Name: PredictUsingAutoML.py
# Description: Predicts on feature or tabular data with 
# the trained model obtained by the TrainUsingAutoML function.

# Import system modules
import arcpy
import os

# Set local variables
datapath  = "path_to_data_for_prediction" 
out_path = "path_to_gdb_for_predicted"

model_path = os.path.join(out_path, "model.dlpk")
in_feature = os.path.join(datapath, "test_data.gdb", "test_data")
out_feature = os.path.join(out_path, "predicted_feature.gdb", "predicted")

# Run Predict Using AutoML Model
r = arcpy.geoai.PredictUsingAutoML(model_path, "PREDICT_FEATURES",
                                   in_feature,
                                   None, None, out_feature)

Información de licenciamiento

  • Basic: No
  • Standard: No
  • Advanced: Sí

Temas relacionados