Обзор группы инструментов Анализ структурных закономерностей

Группа инструментов Анализ структурных закономерностей содержит инструменты для идентификации, подсчета и визуализации пространственных закономерностей в векторных данных.

Инструменты GeoAnalytics Desktop предоставляют среду параллельной обработки для анализа на настольном компьютере с использованием Apache Spark. С помощью выполнения агрегации, регрессии, выявления и кластеризации вы можете визуализировать, анализировать и взаимодействовать с большими данными. Эти инструменты работают с наборами больших данных и позволяют получать новые знания из ваших данных через закономерности, тренды и аномалии. Эти инструменты интегрированы и запускаются в ArcGIS Pro так же, как другие инструменты геообработки настольного приложения.

ИнструментОписание

Вычислить плотность

Вычисляет величину на единицу площади по точечным объектам, попадающим в окрестность вокруг каждой ячейки.

Найти горячие точки

Приведенный набор объектов определяет статистическую значимость горячих и холодных точек на основе статистического показателя Getis-Ord Gi*.

Поиск кластеров точек

Находит кластеры точечных объектов в окружающем шуме, на основе пространственного или пространственно-временного распределения.

Классификация на основе леса и регрессия

Строит модели и выполняет прогнозирование при помощи адаптации алгоритма произвольного леса, метода контролируемого машинного обучения Лео Бреймана и Адели Калтер. Прогнозы могут быть выполнены для обеих категориальных перемененных (классификация) и непрерывных переменных (регрессия). Независимые переменные могут иметь вид полей в атрибутивной таблице обучающих объектов. В дополнение к проверке производительности модели на основании обучающих данных, по объектам можно выполнять прогнозы.

Обобщенная линейная регрессия

Выполняет обобщенную линейную регрессию (ОЛР) для вычисления прогнозов или моделирования взаимосвязи между независимыми переменными и зависимой переменной. Инструмент используется для подгонки различных моделей, в частности, непрерывных (МНК), бинарных (логистических) и числовых (Пуассона).

Связанные разделы