| Подпись | Описание | Тип данных |
Определение модели | Файл .dlpk или файл .emd. | File |
Тип прогнозирования | Определяет тип выходного файла, который будет создан.
| String |
Входные объекты прогнозирования | Объекты, для которых будет создан прогноз. Входные данные должны включать некоторые или все поля, которые необходимы для определения значения зависимой переменной. Этот параметр необходим, если параметр Тип прогнозирования задан как Прогнозировать объекты. | Feature Layer; Table View |
Независимые растры (Дополнительный) | Список растров, которые содержат независимые растры, необходимые для определения значения зависимой переменной. Этот параметр необходим, если параметр Тип прогнозирования задан как Прогнозировать растр. | Multivalue |
Объекты расстояния (Дополнительный) | Точечные или полигональные объекты, расстояние до которых от входных обучающих объектов будет оценено автоматически и добавлено как дополнительные независимые переменные. Расстояния будут вычислены от каждого из входных Независимых объектов расстояния обучения до ближайшего Входного обучающего объекта. Если входные независимые объекты расстояния обучения являются полигонами или линиями, атрибуты расстояния вычисляются как расстояние между ближайшими сегментами пары объектов. | Feature Layer |
Выходные объекты прогнозирования | Выходная таблица или класс объектов. | Feature Class; Table |
Выходная поверхность прогноза | Путь, по которому будет сохранен выходной спрогнозированный растр. | Folder |
Сопоставление независимых переменных (Дополнительный) | Сопоставление названий имен полей из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена полей обучающих и прогнозируемых наборов отличаются. Эти значения - имена полей в наборе данных прогнозирования, которые соответствуют именам полей входного класса объектов. | Value Table |
Сопоставление переменных расстояния (Дополнительный) | Сопоставление имен объектов расстояния из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена объектов расстояний, используемые в обучающих и прогнозируемых наборах, отличаются. Строковые значения являются названиями объектов, использованными для прогнозирования, которые совпадают с именами объектов расстояния, использованными для обучения. | Value Table |
Сопоставить независимые растры (Дополнительный) | Сопоставление имен прогнозируемых и обучающих растров. Используйте этот параметр, если имена независимых растров, используемых для прогнозирования, и имена растров, используемых для обучения отличаются. Строковые значения представляют собой имена растров, использованных для прогнозирования, которые совпадают с именами независимых растров, использованных для обучения. | Value Table |
Краткая информация
Прогнозирует непрерывные переменные (регрессия) или категориальные переменные (классификация) на невидимых совместимых наборах данных, используя обученную модель .dlpk, созданную инструментом Обучение с использованием AutoML.
Использование
Вы должны установить соответствующую среду глубокого обучения для Python в ArcGIS Pro.
Входными данными является файл определения модели Esri (.emd) или файл пакета глубокого обучения (.dlpk), которые являются результатом инструмента Обучение с использованием AutoML.
Для использования растров в качестве независимых переменных или прогнозирования Выходной поверхности прогнозирования необходима лицензия Spatial Analyst.
Информацию о требованиях к запуску этого инструмента и проблемах, с которыми вы можете столкнуться, см. в разделе Часто задаваемые вопросы по глубокому обучению.
Параметры
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})| Имя | Описание | Тип данных |
in_model_definition | Файл .dlpk или файл .emd. | File |
prediction_type | Определяет тип выходного файла, который будет создан.
| String |
in_features | Объекты, для которых будет создан прогноз. Входные данные должны включать некоторые или все поля, которые необходимы для определения значения зависимой переменной. Этот параметр является обязательным, если для параметра prediction_type установлено значение PREDICT_FEATURE. | Feature Layer; Table View |
explanatory_rasters [explanatory_rasters,...] (Дополнительный) | Список растров, которые содержат независимые растры, необходимые для определения значения зависимой переменной. Этот параметр является обязательным, если для параметра prediction_type установлено значение PREDICT_RASTER. | Multivalue |
distance_features [distance_features,...] (Дополнительный) | Точечные или полигональные объекты, расстояние до которых от входных обучающих объектов будет оценено автоматически и добавлено как дополнительные независимые переменные. Расстояния будут вычислены от каждого из входных Независимых объектов расстояния обучения до ближайшего Входного обучающего объекта. Если входные независимые объекты расстояния обучения являются полигонами или линиями, атрибуты расстояния вычисляются как расстояние между ближайшими сегментами пары объектов. | Feature Layer |
out_prediction_features | Выходная таблица или класс объектов. | Feature Class; Table |
out_prediction_surface | Путь, по которому будет сохранен выходной спрогнозированный растр. | Folder |
match_explanatory_variables [match_explanatory_variables,...] (Дополнительный) | Сопоставление названий имен полей из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена полей обучающих и прогнозируемых наборов отличаются. Эти значения - имена полей в наборе данных прогнозирования, которые соответствуют именам полей входного класса объектов. | Value Table |
match_distance_variables [match_distance_variables,...] (Дополнительный) | Сопоставление имен объектов расстояния из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена объектов расстояний, используемые в обучающих и прогнозируемых наборах, отличаются. Строковые значения являются названиями объектов, использованными для прогнозирования, которые совпадают с именами объектов расстояния, использованными для обучения. | Value Table |
match_explanatory_rasters (Дополнительный) | Сопоставление имен прогнозируемых и обучающих растров. Используйте этот параметр, если имена независимых растров, используемых для прогнозирования, и имена растров, используемых для обучения отличаются. Строковые значения представляют собой имена растров, использованных для прогнозирования, которые совпадают с именами независимых растров, использованных для обучения. | Value Table |
Пример кода
Это пример использования функции 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)Параметры среды
Информация о лицензиях
- Basic: Нет
- Standard: Нет
- Advanced: Да