Прогноз с использованием AutoML (GeoAI)

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.

Подробнее о том, как работает AutoML

Использование

  • Вы должны установить соответствующую среду глубокого обучения для Python в ArcGIS Pro.

    Узнайте, как установить среду глубокого обучения для ArcGIS

  • 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

ПодписьОписаниеТип данных
Определение модели

Файл .dlpk или файл .emd.

File
Тип прогнозирования

Определяет тип выходного файла, который будет создан.

  • Прогнозировать объектБудет создан векторный слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходные объекты прогнозирования.
  • Прогнозировать растрБудет создан растровый слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходная поверхность прогноза.
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; Feature Class
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.

Raster Layer
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
Получение объяснения для каждого прогноза
(Дополнительный)

Указывает, будут ли добавляться поля, содержащие важность объекта.

  • Отмечено - поля, содержащие важность объекта, будут добавляться. Поля будут созданы для каждой прогнозируемой выборки вместе со значениями прогноза.
  • Не отмечено - поля, содержащие важность объекта, не будут создаваться. Это значение по умолчанию

Boolean

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}, {get_prediction_explanations})
ИмяОписаниеТип данных
in_model_definition

Файл .dlpk или файл .emd.

File
prediction_type

Определяет тип выходного файла, который будет создан.

  • PREDICT_FEATUREБудет создан векторный слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходные объекты прогнозирования.
  • PREDICT_RASTERБудет создан растровый слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходная поверхность прогноза.
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; Feature Class
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.

Raster Layer
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
[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
get_prediction_explanations
(Дополнительный)

Указывает, будут ли добавляться поля, содержащие важность объекта.

  • TRUEПоля, содержащие важность объекта, будут добавляться. Поля будут созданы для каждой прогнозируемой выборки вместе со значениями прогноза.
  • FALSEПоля, содержащие важность объекта, не будут создаваться. Это значение по умолчанию
Boolean

Пример кода

PredictUsingAutoML (автономный скрипт)

Это пример использования функции PredictUsingAutoML.


# 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_features = os.path.join(datapath, "test_data.gdb", "test_data")
out_features = os.path.join(out_path, "predicted_feature.gdb", "predicted")

# Run Predict Using AutoML Model 
r = arcpy.geoai.PredictUsingAutoML(model_path, "PREDICT_FEATURES",
                                   in_features,
                                   None, None, out_features, None, None, None, True)

Информация о лицензиях

  • Basic: Нет
  • Standard: Нет
  • Advanced: Да

Связанные разделы