Mit AutoML trainieren (GeoAI Tools)

Zusammenfassung

Trainiert ein Deep-Learning-Modell, indem Training-Pipelines erstellt und ein Großteil des Trainingsprozesses automatisiert wird. Dazu gehören explorative Datenanalyse, Feature-Auswahl, Feature Engineering, Modellauswahl, Hyperparameter-Optimierung und Modelltraining. Die Ausgaben enthalten Performance-Kennwerte des besten Modells in den Trainingsdaten sowie das trainierte Deep-Learning-Modellpaket (.dlpk), das als Eingabe für das Werkzeug Mit AutoML vorhersagen verwendet werden kann, um Vorhersagen für ein neues Dataset zu treffen.

Weitere Informationen zur Funktionsweise von AutoML

Verwendung

• Sie müssen das richtige Deep-Learning-Framework für Python in ArcGIS Pro installieren.

  Informationen zum Installieren von Deep-Learning-Frameworks für ArcGIS

• Wie lange es dauert, bis das Werkzeug das trainierte Modell erstellt, hängt von den folgenden Faktoren ab:

  • Menge der beim Training bereitgestellten Daten

  • Wert des Parameters AutoML-Modus

  Standardmäßig ist der Timer für alle Modi auf 240 Minuten festgelegt. Unabhängig von der Menge der beim Training verwendeten Daten beansprucht die Suche nach dem optimalen Modell bei der Option Grundlegend des Parameters AutoML-Modus nicht die gesamten 240 Minuten. Der Anpassungsprozess wird abgeschlossen, sobald das optimale Modell identifiziert ist. Die Option Erweitert beansprucht aufgrund der zusätzlichen Tasks Feature Engineering, Feature-Auswahl und Hyperparameter-Optimierung mehr Zeit. Neben den neuen Features, die durch Kombinieren mehrerer Features aus der Eingabe entstehen, erstellt das Werkzeug räumliche Features mit Namen von "zone3_id" bis "zone7_id". Diese neuen Features werden aus den Positionsinformationen in den Eingabedaten extrahiert und zum Trainieren besserer Modelle verwendet. Weitere Informationen zu den neuen räumlichen Features finden Sie unter "Funktionsweise von AutoML". Wenn eine große Menge von Daten trainiert werden soll, können in 240 Minuten möglicherweise nicht alle Kombinationen der Modelle bewertet werden. In solchen Fällen wird das Modell, das in 240 Minuten am besten abschneidet, als optimales Modell betrachtet. Sie können entweder dieses Modell verwenden oder das Werkzeug mit einem höheren Wert für den Parameter Limit für Gesamtzeit (Minuten) erneut ausführen.

• Eine Lizenz für die Erweiterung "ArcGIS Spatial Analyst" ist erforderlich, um Raster als erklärende Variablen zu verwenden.

• Der Wert des Parameters Ausgabebericht ist eine Datei im HTML-Format, mit deren Hilfe die Informationen im Arbeitsverzeichnis überprüft werden können.

  Die erste Seite des Berichts enthält Links zu den einzelnen bewerteten Modellen und gibt Aufschluss über ihre Performance bei Verwendung eines Validierungs-Datasets zusammen mit der Dauer des Trainings der Modelle. Der Bericht zeigt basierend auf den Bewertungskennwerten das ausgewählte Modell mit der besten Performance an.

  RMSE ist der Standardbewertungskennwert für Regressionsprobleme, während Logloss der Standardkennwert für Klassifizierungsprobleme ist. Die folgenden Kennwerte sind im Ausgabebericht verfügbar:

  • Classification—AUC, Logloss, F1, Accuracy, Average Precision

  • Regression—MSE, RMSE, MAE, R2, MAPE, Spearman-Koeffizient, Pearson-Koeffizient

  Wenn Sie auf eine Modellkombination klicken, werden zugehörige Details zum Training einschließlich der Lernkurven, der Variablenbedeutungskurven, der verwendeten Hyperparameter usw. angezeigt.

• Anwendungsbeispiele für das Werkzeug sind das Trainieren eines auf Wetterfaktoren basierenden Modells für die jährliche Erzeugung von Sonnenenergie, das Trainieren eines Modells für Erntevorhersagen mithilfe zugehöriger Variablen und das Trainieren eines Modells für Vorhersagen von Immobilienwerten.

• Weitere Informationen zu den Voraussetzungen für die Ausführung dieses Werkzeugs und eventuell dabei auftretenden Problemen finden Sie unter Häufig gestellte Fragen zu Deep Learning.

• Um den Parameter Bildanlagen hinzufügen zu verwenden, bereiten Sie den Wert des Parameters Eingabe-Trainings-Features für Bildanlagen wie folgt vor:

  • Stellen Sie sicher, dass der Feature-Layer für jeden Datensatz ein Feld mit Bilddateipfaden enthält.

  • Verwenden Sie das Werkzeug Anlagen aktivieren, um Anlagen für den Feature-Layer zu aktivieren.

  • Verwenden Sie das Werkzeug Anlagen hinzufügen, um das Feld für den Bildpfad anzugeben und es dem Feature-Layer als Bildanlage hinzuzufügen.

• Aktivieren Sie den Parameter Standort-Embeddings verwenden, um die Modell-Performance bei räumlich abhängigen Vorhersageaufgaben zu verbessern, insbesondere beim Arbeiten mit begrenzten Feature-Sets, indem Sie dichte Vektordarstellungen integrieren, die komplexe geographische und umgebungsbezogene Beziehungen erfassen.

Parameter

• Dialog
• Python

Beschriftung	Erläuterung	Datentyp
Eingabe-Trainings-Features	Die Eingabe-Feature-Class, die zum Trainieren des Modells verwendet wird.	Feature Layer; Table View
Ausgabemodell	Das trainierte Ausgabemodell, das als Deep-Learning-Paket (.dlpk-Datei) gespeichert wird.	File
Vorherzusagende Variable	Ein Feld aus dem Wert des Parameters Eingabe-Trainings-Features mit den Werten, die zum Trainieren des Modells verwendet werden. Dieses Feld enthält bekannte (Trainings-)Werte der Variablen, mit denen eine Vorhersage an unbekannten Positionen getroffen wird.	Field
Variable als kategorisch behandeln (Optional)	Gibt an, ob der Wert des Parameters Vorherzusagende Variable als kategoriale Variable behandelt wird. Aktiviert—Der Wert des Parameters Vorherzusagende Variable wird als kategoriale Variable behandelt, und es wird eine Klassifizierung vorgenommen. Deaktiviert—Der Wert des Parameters Vorherzusagende Variable wird als kontinuierlich behandelt, es wird eine Regression vorgenommen. Dies ist die Standardeinstellung.	Boolean
Erklärende Trainingsvariablen (Optional)	Eine Liste der Felder, die erklärende Variablen darstellen und die Vorhersage des Wertes oder der Kategorie des Wertes des Parameters Vorherzusagende Variable unterstützen. Aktivieren Sie das zugehörige Kontrollkästchen für alle Variablen, die Klassen oder Kategorien darstellen (z. B. Landbedeckung, Anwesenheit oder Abwesenheit). Spalten der Wertetabelle: Variable—Explanatory variables that will help predict the value or category of the variable to predict. Categorical—Specifies whether a variable represents classes or categories (such as land cover, presence, or absence).	Value Table
Erklärende Trainings-Entfernungs-Features (Optional)	Die Features, deren Entfernungen von den Eingabe-Trainings-Features automatisch geschätzt und als weitere erklärende Variablen hinzugefügt werden. Entfernungen werden von den einzelnen erklärenden Trainings-Entfernungs-Features der Eingabe zu den nächsten Eingabe-Trainings-Features berechnet. Es werden Punkt- und Polygon-Features unterstützt, und wenn es sich bei den Eingabewerten für erklärende Trainings-Entfernungs-Features um Polygone handelt, werden die Entfernungsattribute als Entfernung zwischen den nächstgelegenen Segmenten des Feature-Paares berechnet.	Feature Layer
Erklärende Trainings-Raster (Optional)	Die Raster, deren Werte aus dem Raster extrahiert und als erklärende Variablen für das Modell behandelt werden. Jeder Layer bildet eine erklärende Variable. Der Wert der Raster-Zelle wird für jedes Feature in den Eingabe-Trainings-Features an der genauen Position extrahiert. Beim Extrahieren des Raster-Werts für kontinuierliche Raster wird bilineares Resampling verwendet. Beim Extrahieren eines Raster-Werts aus kategorialen Rastern wird ein Nächster-Nachbar-Resampling durchgeführt. Wenn der Wert des Parameters Eingabe-Trainings-Features Polygone aufweist und Sie einen Wert für diesen Parameter angegeben haben, wird im Modell für jedes Polygon ein Raster-Wert verwendet. Jedem Polygon wird für kontinuierliche Raster der Durchschnittswert und für Kategorie-Raster die Mehrheit zugewiesen. Vergewissern Sie sich, dass das Kontrollkästchen Kategorial für alle Raster aktiviert ist, die Klassen oder Kategorien darstellen, z. B. Landbedeckung, Vegetation oder Bodenart. Spalten der Wertetabelle: Raster—Name of the explanatory variable supplied as rasters. Categorical—Specifies whether the explanatory variable is a categorical variable.	Value Table
Limit für Gesamtzeit (Minuten) (Optional)	Das Limit für die Gesamtzeit des AutoML-Modelltrainings in Minuten. Der Standardwert beträgt 240 (4 Stunden).	Double
AutoML-Modus (Optional)	Gibt das Ziel von AutoML und die Intensität der AutoML-Suche an. Grundlegend—"Grundlegend" wird verwendet, um die Signifikanz der verschiedenen Variablen und der Daten zu erklären. Feature Engineering, Feature-Auswahl und Hyperparameter-Optimierung werden nicht durchgeführt. Berichte enthalten vollständige Beschreibungen und Erklärungen für Lernkurven von Modellen, für baumbasierte Modelle generierte Feature-Bedeutungs-Plots und SHAP-Plots für alle anderen Modelle. In diesem Modus beansprucht die Verarbeitung am wenigsten Zeit. Dies ist die Standardeinstellung. Temporär—"Temporär" wird zum Trainieren eines Modells verwendet, das in realen Anwendungsfällen verwendet wird. In diesem Modus wird eine 5-fache Kreuzvalidierung (Cross Validation, CV) verwendet, und in den Berichten werden Lernkurven und Bedeutungs-Plots ausgegeben. SHAP-Plots sind jedoch nicht verfügbar. Erweitert—"Erweitert" wird für Wettbewerbe in maschinellem Lernen (für maximale Performance) verwendet. In diesem Modus wird 10-fache Kreuzvalidierung (CV) verwendet, und es werden Feature Engineering, Feature-Auswahl und Hyperparameter-Optimierung ausgeführt. Eingabe-Trainings-Features werden basierend auf ihrer Position mehreren räumlichen Gittern verschiedener Größen zugewiesen, und die entsprechenden Gitter-IDs werden als zusätzliche erklärende Variablen dem Modell übergeben. Der Bericht enthält nur Lernkurven; Modellerklärbarkeit ist nicht verfügbar.	String
Algorithmen (Optional)	Gibt die Algorithmen an, die beim Training verwendet werden. Standardmäßig werden alle Algorithmen verwendet. Linear—Der überwachte Algorithmus "Lineare Regression" wird zum Trainieren eines Regressionsmodells für maschinelles Lernen verwendet. Wenn nur diese Option angegeben wurde, stellen Sie sicher, dass die Gesamtzahl der Datensätze kleiner als 10.000 und die Anzahl der Spalten kleiner als 1.000 ist. Andere Modelle können größere Datasets verarbeiten, und es wird empfohlen, diese Option mit anderen Algorithmen und nicht als einzigen Algorithmus zu verwenden. Random Trees—Der auf Entscheidungsbäumen basierende Algorithmus "Random Trees" für überwachtes maschinelles Lernen wird verwendet. Er kann sowohl für Klassifizierung als auch für Regression verwendet werden. XGBoost—Der Algorithmus "XGBoost" (Extreme Gradient Boosting) für überwachtes maschinelles Lernen wird verwendet. Er kann sowohl für Klassifizierung als auch für Regression verwendet werden. LightGBM—Der auf Entscheidungsbäumen basierende Algorithmus "LightGBM" (Gradient-Boosting-Ensemble) wird verwendet. Er kann sowohl für Klassifizierung als auch für Regression verwendet werden. LightGBM ist für hohe Performance auf verteilten Systemen optimiert. Decision Tree—Der Algorithmus für überwachtes maschinelles Lernen "Decision Tree", der die Daten mithilfe der Antworten "true" oder "false" auf bestimmte Fragen klassifiziert oder regressiert, wird verwendet. Entscheidungsbäume sind leicht verständlich und unterstützen die Erklärbarkeit. Extra Tree—Der auf Entscheidungsbäumen basierende Ensemble-Algorithmus "Extra Tree" (Extremely Randomized Trees) für überwachtes maschinelles Lernen wird verwendet. Dieser Algorithmus hat Ähnlichkeit mit Random Trees, ist jedoch manchmal schneller. CatBoost—Es wird der Algorithmus "CatBoost" verwendet. Er verwendet Entscheidungsbäume für die Klassifizierung und die Regression. Bei dieser Option kann ohne Vorverarbeitung eine Kombination aus kategorialen und nicht kategorialen erklärenden Variablen verwendet werden.	String
Validierungsprozentsatz (Optional)	Der Prozentsatz der Eingabedaten, die für die Validierung verwendet werden sollen. Der Standardwert ist 10.	Long
Ausgabebericht (Optional)	Der Ausgabebericht, der als .html-Datei generiert wird. Wenn der angegebene Pfad nicht leer ist, wird der Bericht in einem neuen Ordner im angegebenen Pfad erstellt. Der Bericht enthält Details zu den verschiedenen Modellen sowie zu den bei der Bewertung verwendeten Hyperparametern und zur Performance der einzelnen Modelle. Hyperparameter sind Parameter, mit denen der Trainingsprozess gesteuert wird. Sie werden beim Training nicht aktualisiert. Zu ihnen gehören die Modellarchitektur, die Lernrate, die Anzahl der Epochen usw.	File
Ausgabetabelle zur Bedeutung (Optional)	Eine Ausgabetabelle mit Informationen zur Bedeutung der einzelnen im Modell verwendeten erklärenden Variablen (Felder, Entfernungs-Features und Raster).	Table
Ausgabe-Feature-Class (Optional)	Der Feature-Layer mit den Werten, die von dem beim Trainings-Feature-Layer am besten abschneidenden Modell vorhergesagt wurden. Er kann zum Überprüfen der Modell-Performance durch einen visuellen Vergleich der vorgesagten Werte mit den Überprüfungsdaten verwendet werden.	Feature Class
Bildanlagen hinzufügen (Optional)	Gibt an, ob zum Trainieren eines Modells für multimodale oder gemischte Daten Bilder als erklärende Variablen des Wertes des Parameters Eingabe-Trainings-Features verwendet werden. Beim Trainieren eines tabellarischen Modells für multimodale oder gemischte Daten werden Machine-Learning- und Deep-Learning-Backbones in AutoML verwendet, um mit einem einzelnen Modell aus mehreren Typen von Datenformaten zu lernen. Die Eingabedaten können aus einer Kombination von erklärenden Variablen aus unterschiedlichen Datenquellen bestehen, z. B. Textbeschreibungen, entsprechende Bilder sowie zusätzliche kategoriale und kontinuierliche Variablen. Aktiviert—Die Bildanlagen werden heruntergeladen und als erklärende Variablen behandelt, und das Training wird mit multimodalen Daten durchgeführt. Deaktiviert—Die Bildanlagen werden während des Trainings nicht verwendet. Dies ist die Standardeinstellung.	Boolean
Attribute sensibler Features (Optional)	Bewertet und verbessert die Fairness der trainierten Modelle für Tabellendaten von Klassifizierungs- und Regressionsmodellen. Legen Sie für diesen Parameter die folgenden beiden Komponenten fest: Sensible Features: Ein Attribut wie Ethnische Herkunft, Geschlecht, sozioökonomischer Status oder Alter, das in Machine-Learning- oder Deep-Learning-Modellen zu Verzerrung führen kann. Durch das Auswählen sensibler Features wie Ethnische Herkunft, Geschlecht, sozioökonomischer Status oder Alter werden mit den speziellen sensiblen Features einhergehende Verzerrungen abgeschwächt, um ein unverzerrtes Modell zu erhalten. Benachteiligte Gruppen: Die benachteiligte Gruppe aus dem angegebenen Wert für Sensible Features. Spalten der Wertetabelle: Sensitive Features—An attribute such as race, gender, socioeconomic status, or age that can introduce bias in machine learning or deep learning models. By selecting sensitive features such as race, gender, socioeconomic status, or age, biases associated with the specific sensitive features are mitigated for an unbiased model. Underprivileged Groups—The discriminated group.	Value Table
Fairness-Kennwert (Optional)	Gibt die Fairness-Kennwerte zum Messen der Fairness für Klassifizierungs- und Regressionsprobleme an, die bei der Rastersuche zum Auswählen des Modells mit der größten Fairness verwendet werden. Demographic parity ratio—Dieser Kennwert wird in Klassifizierungsmodellen verwendet. Er misst das Verhältnis der Auswahlquoten zwischen verschiedenen Personengruppen. Die Auswahlrate ist der Anteil der Personen, die vom Modell als positiv qualifiziert werden. Dieser Kennwert lautet im Idealfall 1. In diesem Fall weisen die unterschiedlichen Gruppen die gleichen Auswahlraten auf. Fairness liegt vor, wenn dieser Kennwert zwischen 0,8 und 1 liegt. Dies bedeutet, dass das Verhältnis der Auswahlraten zwischen Gruppen nicht größer als 20 Prozent sein sollte. Demographic parity difference—Dieser Kennwert wird in Klassifizierungsmodellen verwendet. Er ähnelt dem Verhältniskennwert "Demographic parity ratio", jedoch wird die Differenz der Auswahlraten zwischen unterschiedlichen Personengruppen und nicht das Verhältnis gemessen. Die Auswahlrate ist der Anteil der Personen, die vom Modell als positiv qualifiziert werden. Dieser Kennwert lautet im Idealfall 0. In diesem Fall weisen die Gruppen die gleichen Auswahlraten auf. Fairness liegt vor, wenn dieser Kennwert zwischen 0 und 0,25 liegt. Dies bedeutet, dass sich die Auswahlraten der einzelnen Gruppen um nicht mehr als 25 Prozent unterscheiden sollten. Equalized odds ratio—Dieser Kennwert wird in Klassifizierungsmodellen verwendet. Das Verhältnis der Fehlerraten zwischen Personengruppen, z. B. unterschiedlichen ethnischen Gruppen oder Geschlechtsgruppen, wird gemessen. Dieser Kennwert lautet im Idealfall 1. In diesem Fall weisen die unterschiedlichen Gruppen die gleichen Fehlerraten auf. Fairness liegt vor, wenn dieser Kennwert zwischen 0,8 und 1 liegt. Dies bedeutet, dass die Fehlerquote zwischen den Gruppen nicht größer als 20 Prozent sein sollte. Equalized odds difference—Dieser Kennwert wird in Klassifizierungsmodellen verwendet. Er ähnelt dem Kennwert "Equalized odds ratio", jedoch wird die Fehlerdifferenz zwischen unterschiedlichen Personengruppen und nicht die Fehlerquote gemessen. Dieser Kennwert lautet im Idealfall 0. In diesem Fall weisen die Gruppen die gleiche Fehlerdifferenz auf. Fairness liegt vor, wenn dieser Kennwert zwischen 0 und 0,25 liegt. Dies bedeutet, dass die Fehlerdifferenz zwischen den Gruppen nicht größer als 25 Prozent sein sollte. Group loss ratio—Dieser Kennwert wird in Regressionsmodellen verwendet. Er misst den mittleren Verlust oder Fehler für eine Untergruppe im Vergleich zu einer anderen Untergruppe. Er liefert ein relatives Maß für die Ungleichheit der Verluste zwischen Gruppen. Der Wert 1 bedeutet, dass die Verluste zwischen den Gruppen gleich sind, und Werte größer oder kleiner als 1 geben relative Ungleichheiten an.	String
Standort-Embeddings verwenden (Optional)	Gibt an, ob Standort-Embeddings während des Trainings als zusätzliche erklärende Variablen verwendet werden, um die Vorhersagekraft des standortbasierten Modells zu verbessern. Bei der Verwendung von Standort-Embeddings werden generalisierte geographische Embeddings aus Satellitenbildern und geographischen Koordinaten aus dem Parameterwert Eingabe-Trainings-Features generiert. Dadurch wird ein räumlicher Kontext geboten, der die Modell-Performance bei standortabhängigen Vorhersagen, z. B. für Hauspreise, Umweltmodellierung und demografische Schätzungen, verbessert. Aktiviert—Standort-Embeddings werden berechnet und als Features einbezogen. Dies ermöglicht die multimodale Integration von räumlichen Daten sowie eine verbesserte räumliche Darstellung während des Modelltrainings. Deaktiviert—Standort-Embeddings werden nicht verwendet, und das Modell stützt sich ausschließlich auf vorhandene Tabellenvariablen ohne Embeddings-basierte, satellitengestützte räumliche Informationen. Dies ist die Standardeinstellung.	Boolean

Umgebungen

Ausgabe-Koordinatensystem, Geographische Transformationen

Lizenzierungsinformationen

• Basic: Nein
  Spatial Analyst ist für die Verwendung des Parameters "Erklärende Trainings-Raster" erforderlich.
• Standard: Nein
  Spatial Analyst ist für die Verwendung des Parameters "Erklärende Trainings-Raster" erforderlich.
• Advanced: Ja
  Spatial Analyst ist für die Verwendung des Parameters "Erklärende Trainings-Raster" erforderlich.

Verwandte Themen

• Überblick über das Toolset "Feature- und Tabellenanalyse"
• Suchen eines Geoverarbeitungswerkzeugs
• Überblick über das Toolset "Bilddaten-KI"
• Fairness-Optionen beim Werkzeug "Mit AutoML trainieren"
• Funktionsweise des LightGBM-Algorithmus
• Funktionsweise des Algorithmus für lineare Regression
• Funktionsweise des XGBoost-Algorithmus
• Funktionsweise des Entscheidungsbaumalgorithmus für Klassifizierung und Regression
• Funktionsweise des Extra-Trees-Algorithmus für Klassifizierung und Regression
• Funktionsweise des Random-Trees-Algorithmus für Klassifizierung und Regression