空間統計モデル ファイルを使用した予測 (空間統計ツール)

サマリー

トレーニング済みの空間統計モデル (.ssm ファイル) を使用して連続値またはカテゴリー値を予測します。

空間統計モデル ファイルの詳細

使用法

• このツールの使用シナリオには次のようなものがあります。

  • 上流の工場や主要な港までの距離などのデータに加えて、属性とラスターの両方で表された多数の環境説明変数を使用して海草の発生に関してトレーニング済みのフォレストベースの分類と回帰分析モデルの場合、これらの環境説明変数の今後の予測に基づいて、将来の海草の発生を予測することができます。

  • エキスパートがトレーニングしたモデルは、機密性の高いデータを共有せずに、他のユーザーと共有して予測を立てることができます。 たとえば、子供の血中の鉛濃度やその子供の家の課税パーセル ID に関するモデルと、家の築年数などのパーセルレベルの属性、収入や教育レベルなどの国勢調査レベルのデータ、鉛および鉛化合物の有害物排出を反映した全国規模のデータセットが組み合わされた場合は、血中の鉛濃度のデータなしでパーセルの鉛汚染のリスクを予測できます。 これらのリスク予測は、地域の警察や教育プログラムに影響する可能性があります。

  • ある野生生物の生態学者は、絶滅危惧種の観測済みの生息地に関するフィールド データを収集しました。 学者たちは、より広い分析範囲でその種の生息を推定し、調査内容を他の研究者と共有する必要があります。 既知の生息地を使用し、ラスターとしてベース ファクターを指定することで、生態学者は、Presence-only 予測を使用してその種の生息をモデル化し、種の発生に関する機密情報を共有せずにトレーニング済みのモデルを共有することができます。 このモデルを使用すると、種が見つかる可能性が最も高い予測場所のマップを作成できます。

• 入力モデル ファイル パラメーターの値は、空間統計ツールボックスの空間関係のモデリングツールセット内のさまざまなツールで作成された .ssm ファイルです。 モデル ファイルを作成するには、一般化線形回帰分析、フォレストベースおよびブースト分類と回帰分析、および Presence-only 予測 (MaxEnt) ツールを使用し、各ツールで 出力トレーニング済みモデル ファイル パラメーターの値を指定します。

  各モデル タイプで予測を立てる方法については、一般化線形回帰分析の詳細、フォレストベースおよびブースト分類と回帰分析の機能、および Presence-only 予測の仕組みをご参照ください。

• 予測タイプ パラメーターの フィーチャに関する予測 オプションを使用する場合は、出力予測済みフィーチャ パラメーターで、予測を含むフィーチャクラスを作成します。 ラスターに関する予測 オプションを使用する場合は、出力予測サーフェス パラメーターで、予測値のラスターを作成します。

• ラスターに関する予測では、ラスターをだけを使用して .ssm ファイルをトレーニングする必要があります。

• ラスターでトレーニングされた .ssm ファイルを使用するには、ArcGIS Spatial Analyst エクステンションのライセンスが必要です。

  注意:

  このツールを実行する前に 空間統計モデル ファイルの説明 ツールを実行して、変数の名前、タイプ、説明、および単位を認識し、それに応じてデータを準備しておくことをおすすめします。 モデル診断を使用して、入力モデル ファイルの品質を評価することもできます。

• 説明変数は、フィールドから取得するか、距離フィーチャから算出するか、ラスターから抽出することができます。 説明変数の組み合わせは、入力モデル ファイルと一致する必要があります。

• モデル ファイルの作成中に説明変数またはラスターがカテゴリーとしてマークされると、カテゴリー パラメーターがオンになり、一致する変数がカテゴリーと見なされます。 このツールを実行する前に 空間統計モデル ファイルの説明 ツールを使用すると、モデル ファイル内でどの変数がカテゴリーであるかを特定できます。

• トレーニング変数と予測変数のフィールド タイプを一致させる必要があります。 たとえば、すべての数値フィールド タイプはその他すべての数値フィールド タイプと一致させることができますが、トレーニング フィールドがテキストの場合は、それに対応する予測変数もテキストでなければなりません。

  注意:

  トレーニング変数と予測変数を一致させる前に、変数の単位を設定しておくことをおすすめします。 トレーニング済みモデル ファイルと予測変数の単位が異なる場合は、正しい結果が生成されない可能性があります。 たとえば、米ドルの収入変数を使用してモデルをトレーニングし、予測を立てる際に、その変数をインド ルピーの収入と一致させた場合は、トレーニング変数と予測変数の間で一連の変数が整合しないため、予測変数が不正確になる可能性があります。

• このツールでは、モデルのパフォーマンスを示すメッセージとチャートも作成されます。 このメッセージにアクセスするには、ジオプロセシング ウィンドウで、進行状況バーにポインターを合わせるか、ポップアップ ボタンをクリックするか、メッセージ セクションを展開します。 ジオプロセシング履歴から、以前に実行したツールのメッセージにアクセスすることもできます。 これらのメッセージには、モデル診断とモデルに関する他の情報が示されています。

• ジオプロセシング メッセージの モデル パラメーター テーブルには、予測する変数およびフィールド タイプと、モデルの作成に使用された説明変数が記載されています。 また、このテーブルには、各変数の単位も含まれているため (空間統計モデル ファイルのプロパティを設定 ツールを使用して設定した場合)、モデルを使用して予測を立てる際に予測変数と一致させることができます。

  注意:

  予測の結果を信頼する前に、モデル診断を評価することをおすすめします。 検証データを除外せずにモデルをトレーニングした場合は、予測の精度を評価することができません。

  注意:

  ArcPy を使用してこのツールを実行する場合は、説明変数の照合、距離フィーチャの照合、および 説明ラスターの照合 パラメーターの値テーブルに指定された変数の順序と大文字/小文字が重要となります。 たとえば、温度と湿度を表す 2 つの説明変数があり、湿度の値の前に温度の値があることが予想される場合は、その順序で変数を指定する必要があります。 空間統計モデル ファイルの説明 ツールから生成された出力を使用すると、入力モデル ファイルに格納された変数の正確な順序を取得できます。

• モデルの予測を実際の観測値と比較して評価するには、予測との比較フィールド パラメーターを使用します。 入力予測フィーチャに実際の観測値を含むフィールドがある場合、それを 予測との比較フィールド パラメーターの値に設定します。 これにより、ジオプロセシング メッセージに評価メトリックが追加され、シンボルが回帰の場合は残差に、分類の場合は正確度の状態に変更されます。

• 予測との比較フィールド パラメーターが指定されている場合、出力のシンボルは、回帰分析では残差を、分類分析では予測が正しかったかどうかを示します。

• 予測との比較フィールド パラメーターが指定されている場合、ジオプロセシング メッセージに、分類の正確度や予測の相関係数の二乗などの評価メトリックを含む追加の 検証データ テーブルが表示されます。

パラメーター

• Dialog
• Python

ラベル	説明	データ タイプ
入力モデルファイル	新しい予測を立てる際に使用される空間統計モデル ファイル。	File
予測タイプ	使用される操作モードを指定します。 このツールでは、新しいフィーチャを予測するか、予測ラスター サーフェスを作成することができます。 フィーチャに関する予測—フィーチャに関する予測または分類が生成されます。 入力モデル ファイルのトレーニングに使用される変数を一致させるために説明変数を指定する必要があります。 このオプションの出力内容は、フィーチャクラスと、メッセージ ウィンドウ内のモデル診断です。 ラスターに関する予測—説明ラスターが交差するエリアに関して予測ラスターが生成されます。 入力モデル ファイルのトレーニングに使用されるラスターを一致させるために説明ラスターを指定する必要があります。 このオプションの出力内容は、予測サーフェスと、メッセージ ウィンドウ内のモデル診断です。	String
入力予測フィーチャ (オプション)	予測が行われるロケーションを表すフィーチャクラス。 このフィーチャクラスには、入力モデルのトレーニングに使用されるフィールドに対応するフィールドとして指定された説明変数も含める必要があります。	Feature Layer
出力予測済みフィーチャ (オプション)	予測結果を含む出力フィーチャクラス。	Feature Class
出力予測ラスター (オプション)	予測結果を含む出力ラスター。 デフォルトのセル サイズは、入力ラスターの最大セル サイズになります。	Raster Dataset
説明変数の照合 (オプション)	入力モデルの説明変数と入力予測フィーチャの対応するフィールドのリスト。 Training 列の説明変数ごとに、それに対応する予測フィールドを Prediction 列に指定します。 Categorical 列には、変数がカテゴリーであるか連続であるかを指定します。 値テーブル列: Prediction—The prediction field of the input prediction features. Training—The explanatory variable of the input model file. Categorical—Specifies whether the variable is categorical or continuous. Categorical—The explanatory variable is categorical. Numeric—The explanatory variable is continuous.	Value Table
距離フィーチャの照合 (オプション)	入力モデルの説明距離フィーチャとそれに対応する予測距離フィーチャのリスト。 Training 列の説明距離変数ごとに、それに対応する予測距離フィーチャを Prediction 列に指定します。 値テーブル列: Prediction—The prediction distance feature. Training—The explanatory distance feature of the input model file.	Value Table
説明ラスターの照合 (オプション)	入力モデルの説明ラスターとそれに対応する予測ラスターのリスト。 Training 列の説明ラスターごとに、それに対応する予測ラスターを Prediction 列に指定します。 Categorical 列には、ラスターがカテゴリーであるか連続であるかを指定します。 値テーブル列: Prediction—The prediction raster. Training—The explanatory raster of the input model file. Categorical—Specifies whether the raster is categorical or continuous. Categorical—The explanatory raster is categorical. Numeric—The explanatory raster is continuous.	Value Table
予測との比較フィールド (オプション)	.ssm ファイルを作成した元のツールで予測された変数の実際の観測値を含む、入力予測フィーチャ パラメーター値に含まれるフィールドです。 このフィールドが指定されている場合、モデルが実際の値をどの程度予測できているかを評価するための評価メトリックがジオプロセシング ツールのメッセージに含まれます。	Field

環境

出力座標系, 並列処理ファクター, セル サイズ, 範囲, セル サイズ投影法, マスク, 乱数ジェネレーター, スナップ対象ラスター

特殊なケース

乱数ジェネレーター

The Random Generator Type used is always Mersenne Twister.

ライセンス情報

• Basic: 限定的
  ラスターを使用するには Spatial Analyst が必要です。
• Standard: 限定的
  ラスターを使用するには Spatial Analyst が必要です。
• Advanced: 限定的
  ラスターを使用するには Spatial Analyst が必要です。

関連トピック

• 空間リレーションシップのモデリング ツールセットの概要
• ジオプロセシング ツールの検索
• 空間統計モデル ファイルの概要
• 空間統計モデル ファイルの説明
• 空間統計モデル ファイルのプロパティを設定
• 一般化線形回帰分析
• Presence-Only 予測 (MaxEnt)
• フォレストベースおよびブースト分類と回帰分析