交叉验证 (地统计分析)

需要 Geostatistical Analyst 许可。

摘要

先移除一个数据位置，然后使用其余位置处的数据预测关联数据。该工具的主要用途是，比较预测值与实测值以获取有关某些模型参数的有用信息。

了解有关执行交叉验证和验证的详细信息

使用情况

• 在 Python 中使用此工具时，result 对象既包含一个要素类，也包含一个 CrossValidationResult，后者具有以下属性：

  • 计数 - 使用的样本总数。
  • 平均误差 - 测量值与预测值之间的平均差值。

    

  • 均方根误差 - 表示模型预测结果与测量值的接近程度。此误差越小越好。

    

  • 平均标准误差 - 预测标准误差的平均值。

    

  • 平均值标准化误差 - 标准误差的平均值。该值应接近于 0。

    

  • 标准化均方根误差 - 如果预测标准误差有效，该值应接近 1。如果标准化均方根误差大于 1，则说明对预测中的变化性估计不足。如果标准化均方根误差小于 1，则说明对预测中的变化性估计过高。

    

  • 90% 区间 - 是指介于 90% 交叉验证置信区间的点的百分比。该值应接近于 90。
  • 95% 区间 - 是指介于 95% 交叉验证置信区间的点的百分比。该值应接近于 95。
  • 平均 CRPS - 所有点的平均连续分级概率评分 (CRPS)。CRPS 是一种诊断方法，用于测量预测的累积分布函数与每个已观测数据值之间的偏差。该值应尽可能小。该诊断方法优于其他交叉验证诊断方法，因为它将数据与整个分布进行比较而不是与单点预测进行比较。该统计的计算方法涉及模拟，因而无法使用简单公式编写。

  对于反距离权重、全局多项式插值法、径向基函数 (RBF) 插值法、含障碍的扩散插值法和含障碍的核插值法，只提供“平均误差”和“均方根误差”结果。

  90% 区间、95% 区间和平均 CRPS 仅适用于经验贝叶斯克里金法和 EBK 回归预测模型。

• 可选输出要素类中的字段在 GA 图层至点工具中进行了介绍。

参数

对话框

标注	说明	数据类型
输入地统计图层	要分析的地统计图层。	Geostatistical Layer
输出点要素类 (可选)	将交叉验证统计信息存储在地统计图层中的各个位置。	Feature Class

派生输出

标注	说明	数据类型
计数	使用的样本总数。	长整型
平均误差	平均误差 - 测量值与预测值之间的平均差值。	双精度型
均方根	均方根误差 - 表示模型预测结果与测量值的接近程度。	双精度型
平均标准误差	平均标准误差 - 预测标准误差的平均值。	双精度型
平均值标准化误差	平均值标准化误差 - 标准误差的平均值。	双精度型
标准化均方根误差	标准化均方根误差 - 如果预测标准误差有效，该值应接近 1。	双精度型
位于 90% 间隔内	90% 区间 - 是指介于 90% 交叉验证置信区间的点的百分比。该值应接近于 90。	双精度型
位于 95% 间隔内	95% 区间 - 是指介于 95% 交叉验证置信区间的点的百分比。该值应接近于 95。	双精度型
平均 CRPS	平均 CRPS - 所有点的平均连续分级概率评分 (CRPS)。CRPS 是一种诊断方法，用于测量预测的累积分布函数与每个已观测数据值之间的偏差。该值应尽可能小。该诊断方法优于其他交叉验证诊断方法，因为它将数据与整个分布进行比较而不是与单点预测进行比较。该统计的计算方法涉及模拟，因而无法使用简单公式编写。	双精度型

Python

arcpy.ga.CrossValidation(in_geostat_layer, {out_point_feature_class})

名称	说明	数据类型
in_geostat_layer	要分析的地统计图层。	Geostatistical Layer
out_point_feature_class (可选)	将交叉验证统计信息存储在地统计图层中的各个位置。	Feature Class

派生输出

名称	说明	数据类型
count	使用的样本总数。	长整型
mean_error	平均误差 - 测量值与预测值之间的平均差值。	双精度型
root_mean_square	均方根误差 - 表示模型预测结果与测量值的接近程度。	双精度型
average_standard	平均标准误差 - 预测标准误差的平均值。	双精度型
mean_standardized	平均值标准化误差 - 标准误差的平均值。	双精度型
root_mean_square_standardized	标准化均方根误差 - 如果预测标准误差有效，该值应接近 1。	双精度型
percent_in_90_interval	90% 区间 - 是指介于 90% 交叉验证置信区间的点的百分比。该值应接近于 90。	双精度型
percent_in_95_interval	95% 区间 - 是指介于 95% 交叉验证置信区间的点的百分比。该值应接近于 95。	双精度型
average_crps	平均 CRPS - 所有点的平均连续分级概率评分 (CRPS)。CRPS 是一种诊断方法，用于测量预测的累积分布函数与每个已观测数据值之间的偏差。该值应尽可能小。该诊断方法优于其他交叉验证诊断方法，因为它将数据与整个分布进行比较而不是与单点预测进行比较。该统计的计算方法涉及模拟，因而无法使用简单公式编写。	双精度型

代码示例

CrossValidation 示例 1（Python 窗口）

对输入地统计图层执行交叉验证。

import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
cvResult = arcpy.CrossValidation_ga("C:/gapyexamples/data/kriging.lyr")
print("Root Mean Square error = " + str(cvResult.rootMeanSquare))

CrossValidation 示例 2（独立脚本）

对输入地统计图层执行交叉验证。

# Name: CrossValidation_Example_02.py
# Description: Perform cross validation on an input geostatistical layer.
# Requirements: Geostatistical Analyst Extension

# Import system modules
import arcpy

# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"

# Set local variables
inLayer = "C:/gapyexamples/data/kriging.lyr"

# Execute CrossValidation
cvResult = arcpy.CrossValidation_ga(inLayer)
print("Root Mean Square error = " + str(cvResult.rootMeanSquare))

环境

当前工作空间, 地理变换, 输出坐标系, 并行处理因子

许可信息

• Basic: 需要 Geostatistical Analyst
• Standard: 需要 Geostatistical Analyst
• Advanced: 需要 Geostatistical Analyst