Validation croisée (Outils Geostatistical Analyst)

Résumé

Supprime une localisation de données et prédit les données associées à l’aide des données situées aux localisations restantes. Cet outil sert principalement à comparer la valeur prédite à la valeur observée afin d’obtenir des informations utiles concernant certains de vos paramètres de modèle.

En savoir plus sur la validation croisée et la validation

Utilisation

• Si vous utilisez cet outil dans Python, l’objet result contient à la fois une classe d’entités et un élément CrossValidationResult, dont les propriétés sont les suivantes :

  • Count—Nombre total d’échantillons utilisés.

  • Mean Error—Différence moyennée entre les valeurs mesurées et prévues.

    

  • Root Mean Square Error—Indique la pertinence de prévision des valeurs mesurées par le modèle. Il est préférable que cette erreur soit la plus petite possible.

    

  • Average Standard Error—Moyenne des erreurs standards de prévision.

    

  • Mean Standardized Error—Moyenne des erreurs standardisées. Cette valeur doit être proche de 0.

    

  • Root Mean Square Standardized Error—Cela doit être proche de 1 si les erreurs standards de prévision sont valides. Si l’erreur quadratique moyenne standardisée est supérieure à 1, vous sous-estimez la variabilité dans vos prédictions. Si l’erreur quadratique moyenne standardisée est inférieure à 1, vous surestimez la variabilité dans les prévisions.

    

  • Percent in 90% Interval—Pourcentage de points qui se trouvent dans un intervalle de confiance de validation croisée de 90 pour cent. Cette valeur doit être proche de 90.

  • Percent in 95% Interval—Pourcentage de points qui se trouvent dans un intervalle de confiance de validation croisée de 95 pour cent. Cette valeur doit être proche de 95.

  • Average CRPS—Score de probabilité classé continu moyen de tous les points. Le CRPS est un diagnostic qui mesure l’écart entre la fonction de distribution cumulative prédictive et chaque valeur de donnée observée. Cette valeur doit être aussi faible que possible. Ce diagnostic comporte des avantages sur les autres diagnostics de validation croisée car il compare les données à une distribution complète et non à des prévisions de point unique. Le calcul de cette statistique implique des simulations et ne peut donc pas être écrit dans une formule simple.

  Seuls les résultats de Mean (Moyenne) et Root Mean Square Error (Erreur quadratique moyenne) sont disponibles pour IDW, Global Polynomial Interpolation (Interpolation polynomiale globale), Radial Basis Functions (Fonctions de base radiale), Diffusion Interpolation With Barriers (Interpolation par diffusion avec interruptions) et Kernel Interpolation With Barriers (Interpolation par noyaux avec interruptions).

  Les résultats de Percent in 90% Interval (Pourcentage dans l’intervalle de 90 %), Percent in 95% Interval (Pourcentage dans l’intervalle de 95 %) et Average CRPS (CRPS moyen) sont uniquement disponibles pour les modèles Empirical Bayesian Kriging (Krigeage bayésien empirique) et EBK Regression Prediction (Prévision de la régression EBK).

• Les champs dans la classe d’entités en sortie facultative sont décrits dans l’outil Couche GA vers points.

Paramètres

• Dialog
• Python

Etiqueter	Explication	Type de données
Couche géostatistique en entrée	Couche géostatistique à analyser.	Geostatistical Layer
Classe d’entités ponctuelles en sortie (Facultatif)	Stocke les statistiques de validation croisée à chaque localisation dans la couche géostatistique.	Feature Class

Sortie dérivée

Etiqueter	Explication	Type de données
Effectif	Nombre total d’échantillons utilisés.	Long
Erreur moyenne	Erreur moyenne : différence moyennée entre les valeurs mesurées et prédites.	Double
Erreur quadratique moyenne	Erreur quadratique moyenne : indique la pertinence de prédiction des valeurs mesurées par votre modèle.	Double
Erreur standard moyenne	Erreur standard moyenne : moyenne des erreurs standard de prédiction.	Double
Erreur standardisée moyenne	Erreur standardisée moyenne : moyenne des erreurs standardisées.	Double
Erreur quadratique moyenne standardisée	Erreur quadratique moyenne standardisée : cette valeur doit être proche de 1 si les erreurs standard de prédiction sont valides.	Double
Pourcentage dans l’intervalle de 90 %	Pourcentage dans l’intervalle de 90 % : pourcentage de points qui se trouvent dans un intervalle de confiance de validation croisée de 90 pour cent. Cette valeur doit être proche de 90.	Double
Pourcentage dans l’intervalle de 95 %	Pourcentage dans l’intervalle de 95 % : pourcentage de points qui se trouvent dans un intervalle de confiance de validation croisée de 95 pour cent. Cette valeur doit être proche de 95.	Double
Average CRPS (CRPS moyen) :	CRPS moyen : score de probabilité classé continu moyen de tous les points. Le CRPS est un diagnostic qui mesure l’écart entre la fonction de distribution cumulative prédictive et chaque valeur de donnée observée. Cette valeur doit être aussi faible que possible. Ce diagnostic comporte des avantages sur les autres diagnostics de validation croisée car il compare les données à une distribution complète et non à des prévisions de point unique. Le calcul de cette statistique implique des simulations et ne peut donc pas être écrit dans une formule simple.	Double

Environnements

Espace de travail courant, Transformations géographiques, Système de coordonnées en sortie, Facteur de traitement parallèle

Informations de licence

• Basic: Nécessite Geostatistical Analyst
• Standard: Nécessite Geostatistical Analyst
• Advanced: Nécessite Geostatistical Analyst

Rubriques connexes

• Vue d’ensemble du jeu d’outils Utilitaires pour Geostatistical Analyst
• Rechercher un outil de géotraitement