Présentation du jeu d'outils Analyser la répartition spatiale

Les outils du jeu d’outils Analyser la répartition spatiale permettent d’identifier, de quantifier et de visualiser des modèles spatiaux dans les données d’entité.

Les outils GeoAnalytics Desktop fournissent une structure de traitement parallèle adaptée aux analyses à réaliser sur un ordinateur de bureau équipé de Apache Spark. Grâce à l’agrégation, la régression et la détection, vous pouvez visualiser, comprendre et manipuler les Big Data. Ces outils, qui utilisent des jeux de Big Data, vous permettent de mieux comprendre vos données au travers de modèles, de tendances et d’anomalies. Entièrement intégrés, ils s’exécutent dans ArcGIS Pro de la même façon que les autres outils de géotraitement de bureau.

Outil	Description
Calculer la densité	Calcule une grandeur par unité de carte à partir d'entités ponctuelles qui se trouvent dans le voisinage donné de chaque cellule.
Trouver des points chauds	Dans un ensemble d'entités, cet outil identifie les points chauds et les points froids statistiquement significatifs à l'aide de la statistique Getis-Ord Gi*.
Find Point Clusters (Rechercher des agrégats de points)	Recherche des agrégats d’entités ponctuelles dans le bruit environnant en fonction de leur distribution spatiale ou spatiotemporelle.
Classification et régression basées sur une forêt	Crée des modèles et génère des prévisions à l’aide d’une adaptation de l’algorithme des forêts aléatoires ; celle-ci est une méthode de machine learning supervisée mise au point par Leo Breiman et Adele Cutler. Les prédictions peuvent être réalisées sur des variables catégorielles (classification) ou des variables continues (régression). Les variables explicatives sont des champs de la table attributaire des entités d’entraînement. Outre la validation des performances du modèle en fonction des données d’entraînement, vous pouvez aussi réaliser des prévisions sur des entités.
Régression linéaire généralisée	Effectue une régression linéaire généralisée en vue de générer des prévisions ou de modéliser une variable dépendante en fonction de ses relations à un ensemble de variables explicatives. Cet outil permet d’adapter des modèles continus (moindres carrés ordinaires), binaires (logistique) et totaux (Poisson).