Predecir con AutoML (Herramientas de GeoAI)

Resumen

Predice variables continuas (regresión) o variables de categorías (clasificación) en datasets compatibles ocultos mediante el uso de un modelo entrenado .dlpk producido por la herramienta Entrenar con AutoML tool.

Más información sobre cómo funciona AutoML

Uso

Debe instalar el marco de aprendizaje profundo adecuado para Python en ArcGIS Pro.

Vea cómo instalar marcos de aprendizaje profundo para ArcGIS
La entrada es un archivo de definición de modelo de Esri (".emd") o un archivo de paquete de aprendizaje profundo (".dlpk"), que se puede crear con la herramienta Entrenar con AutoML.
Para usar rásteres como variables explicativas o para predecir una Superficie de predicción de salida se requiere una licencia de Spatial Analyst.
Para obtener información sobre los requisitos para ejecutar esta herramienta y los problemas que pueden presentarse, consulte Preguntas frecuentes sobre el aprendizaje profundo.

Etiqueta	Explicación	Tipo de datos
Definición de modelo	El archivo `.dlpk` o el archivo `.emd`.	File
Tipo de predicción	Especifica el tipo de archivo de salida que se creará. Predecir entidad—Se creará una capa de entidades que contiene los valores de predicción. Para esta opción se requiere el valor de Entidades de predicción de salida. Predecir ráster—Se creará una capa ráster que contiene los valores de predicción. Para esta opción se requiere el valor de Superficie de predicción de salida.	String
Entidades de predicción de entrada	Las entidades para las que se obtendrá la predicción. La entrada debe contener una parte o la totalidad de los campos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro Tipo de predicción se ha definido como Predecir entidad.	Feature Layer; Table View; Feature Class
Rásteres explicativos (Opcional)	Una lista de rásteres que contienen los rásteres explicativos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro Tipo de predicción se define como Predecir ráster.	Raster Layer
Entidades de distancia (Opcional)	Las entidades de puntos o polígonos cuyas distancias con respecto a las entidades de entrenamiento de entrada se calcularán automáticamente y se agregarán como variables explicativas. Las distancias se calculan desde cada una de las entidades de distancia de entrenamiento explicativas de entrada hasta las entidades de entrenamiento de entrada más cercanas. Si las entidades de distancia de entrenamiento explicativas de entrada son polígonos, los atributos de distancia se calcularán como la distancia entre los segmentos más cercanos del par de entidades.	Feature Layer
Entidades de predicción de salida	La tabla o clase de entidad de salida.	Feature Class; Table
Superficie de predicción de salida	La ruta en la que se guardará el ráster de predicción de salida.	Folder
Variables explicativas coincidentes (Opcional)	La asignación de los nombres de campo del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro si los nombres de campo de los conjuntos de entrenamiento y predicción son diferentes. Los valores son los nombres de campo del dataset de predicción que coinciden con los nombres de campo de la clase de entidad de entrada. Columnas de la tabla de valores: Prediction—Field names in the prediction dataset. Training—Field names in the input feature class.	Value Table
Variables de distancia coincidentes (Opcional)	La asignación de los nombres de entidad de distancia del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro los nombres de entidad de distancia utilizados en los conjuntos de entrenamiento y predicción son diferentes. Los valores de cadena de caracteres son los nombres de las entidades que se utilizaron para la predicción que coinciden con los nombres de las entidades de distancia utilizadas para el entrenamiento. Columnas de la tabla de valores: Prediction—The feature names that were used for prediction. Training—The distance features names that were used for training.	Value Table
Rásteres explicativos coincidentes (Opcional)	La asignación de nombres desde los rásteres de predicción a los rásteres de entrenamiento. Utilice este parámetro si los nombres de los rásteres explicativos usados para la predicción y los nombres de los rásteres correspondientes usados durante el entrenamiento son diferentes. Los valores de cadena de caracteres son los nombres de ráster explicativos que se utilizaron para la predicción que coinciden con los nombres de ráster explicativos utilizados para el entrenamiento. Columnas de la tabla de valores: Prediction—The explanatory raster names that were used for prediction. Training—The explanatory raster names used for training.	Value Table
Obtener explicación para cada predicción (Opcional)	Especifica si se agregarán campos que representan la importancia de la entidad. Activado—Se agregarán campos que representan la importancia de la entidad. Se generarán campos para cada muestra prevista junto con los valores de predicción. Desactivado—Los campos que representan la importancia de la entidad no se generarán. Esta es la opción predeterminada.	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})

Nombre	Explicación	Tipo de datos
in_model_definition	El archivo `.dlpk` o el archivo `.emd`.	File
prediction_type	Especifica el tipo de archivo de salida que se creará. `PREDICT_FEATURE`—Se creará una capa de entidades que contiene los valores de predicción. Para esta opción se requiere el valor de Entidades de predicción de salida. `PREDICT_RASTER`—Se creará una capa ráster que contiene los valores de predicción. Para esta opción se requiere el valor de Superficie de predicción de salida.	String
in_features	Las entidades para las que se obtendrá la predicción. La entrada debe contener una parte o la totalidad de los campos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro `prediction_type` se define como `PREDICT_FEATURE`.	Feature Layer; Table View; Feature Class
explanatory_rasters [explanatory_rasters,...] (Opcional)	Una lista de rásteres que contienen los rásteres explicativos necesarios para determinar el valor de la variable dependiente. Este parámetro es obligatorio si el parámetro `prediction_type` se define como `PREDICT_RASTER`.	Raster Layer
distance_features [distance_features,...] (Opcional)	Las entidades de puntos o polígonos cuyas distancias con respecto a las entidades de entrenamiento de entrada se calcularán automáticamente y se agregarán como variables explicativas. Las distancias se calculan desde cada una de las entidades de distancia de entrenamiento explicativas de entrada hasta las entidades de entrenamiento de entrada más cercanas. Si las entidades de distancia de entrenamiento explicativas de entrada son polígonos, los atributos de distancia se calcularán como la distancia entre los segmentos más cercanos del par de entidades.	Feature Layer
out_prediction_features	La tabla o clase de entidad de salida.	Feature Class; Table
out_prediction_surface	La ruta en la que se guardará el ráster de predicción de salida.	Folder
match_explanatory_variables [match_explanatory_variables,...] (Opcional)	La asignación de los nombres de campo del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro si los nombres de campo de los conjuntos de entrenamiento y predicción son diferentes. Los valores son los nombres de campo del dataset de predicción que coinciden con los nombres de campo de la clase de entidad de entrada. Columnas de la tabla de valores: `Prediction`—Field names in the prediction dataset. `Training`—Field names in the input feature class.	Value Table
match_distance_variables [match_distance_variables,...] (Opcional)	La asignación de los nombres de entidad de distancia del conjunto de predicciones al conjunto de entrenamiento. Utilice este parámetro los nombres de entidad de distancia utilizados en los conjuntos de entrenamiento y predicción son diferentes. Los valores de cadena de caracteres son los nombres de las entidades que se utilizaron para la predicción que coinciden con los nombres de las entidades de distancia utilizadas para el entrenamiento. Columnas de la tabla de valores: `Prediction`—The feature names that were used for prediction. `Training`—The distance features names that were used for training.	Value Table
match_explanatory_rasters [match_explanatory_rasters,...] (Opcional)	La asignación de nombres desde los rásteres de predicción a los rásteres de entrenamiento. Utilice este parámetro si los nombres de los rásteres explicativos usados para la predicción y los nombres de los rásteres correspondientes usados durante el entrenamiento son diferentes. Los valores de cadena de caracteres son los nombres de ráster explicativos que se utilizaron para la predicción que coinciden con los nombres de ráster explicativos utilizados para el entrenamiento. Columnas de la tabla de valores: `Prediction`—The explanatory raster names that were used for prediction. `Training`—The explanatory raster names used for training.	Value Table
get_prediction_explanations (Opcional)	Especifica si se agregarán campos que representan la importancia de la entidad. `TRUE`—Se agregarán campos que representan la importancia de la entidad. Se generarán campos para cada muestra prevista junto con los valores de predicción. `FALSE`—Los campos que representan la importancia de la entidad no se generarán. Esta es la opción predeterminada.	Boolean

Muestra de código

Ejemplo de "PredictUsingAutoML" (script independiente)

Este ejemplo muestra cómo utilizar la función 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)

Entornos

Sistema de coordenadas de salida, Transformaciones geográficas

Información de licenciamiento

Basic: No
Se necesita Spatial Analyst para utilizar el parámetro Rásteres explicativos o cuando el parámetro Tipo de predicción se ha definido como Predecir ráster.
Standard: No
Se necesita Spatial Analyst para utilizar el parámetro Rásteres explicativos o cuando el parámetro Tipo de predicción se ha definido como Predecir ráster.
Avanzado: Sí
Se necesita Spatial Analyst para utilizar el parámetro Rásteres explicativos o cuando el parámetro Tipo de predicción se ha definido como Predecir ráster.

Predecir con AutoML (Herramientas de GeoAI)

Resumen

Uso

Parámetros

Entornos

Información de licenciamiento

Temas relacionados