Прогноз с использованием AutoML (Инструменты GeoAI)

Краткая информация

Прогнозирует непрерывные переменные (регрессия) или категориальные переменные (классификация) на невидимых совместимых наборах данных, используя обученную модель .dlpk, созданную инструментом Обучение с использованием AutoML.

Узнайте больше о том, как работает AutoML

Использование

Необходимо установить подходящую среду глубокого обучения для Python в ArcGIS Pro.

Узнайте, как установить среды глубокого обучения для ArcGIS
Входными данными является файл определения модели Esri (.emd) или файл пакета глубокого обучения (.dlpk), которые являются результатом инструмента Обучение с использованием AutoML.
Для использования растров в качестве независимых переменных или прогнозирования Выходной поверхности прогнозирования необходима лицензия Spatial Analyst.
Информацию о требованиях к запуску этого инструмента и проблемах, с которыми вы можете столкнуться, см. в разделе Часто задаваемые вопросы по глубокому обучению.

Подпись	Объяснение	Тип данных
Определение модели	Файл `.dlpk` или файл `.emd`.	File
Тип прогнозирования	Определяет тип выходного файла, который будет создан. Прогнозировать объект–Будет создан векторный слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходные объекты прогнозирования. Прогнозировать растр–Будет создан растровый слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходная поверхность прогноза.	String
Входные объекты прогнозирования	Объекты, для которых будет создан прогноз. Входные данные должны включать некоторые или все поля, которые необходимы для определения значения зависимой переменной. Этот параметр необходим, если параметр Тип прогнозирования задан как Прогнозировать объекты.	Feature Layer; Table View; Feature Class
Независимые растры (Дополнительный)	Список растров, которые содержат независимые растры, необходимые для определения значения зависимой переменной. Этот параметр необходим, если параметр Тип прогнозирования задан как Прогнозировать растр.	Raster Layer
Объекты расстояния (Дополнительный)	Точечные или полигональные объекты, расстояние до которых от входных обучающих объектов будет оценено автоматически и добавлено как дополнительные независимые переменные. Расстояния будут вычислены от каждого из входных Независимых объектов расстояния обучения до ближайшего Входного обучающего объекта. Если входные независимые объекты расстояния обучения являются полигонами или линиями, атрибуты расстояния вычисляются как расстояние между ближайшими сегментами пары объектов.	Feature Layer
Выходные объекты прогнозирования	Выходная таблица или класс объектов.	Feature Class; Table
Выходная поверхность прогноза	Путь, по которому будет сохранен выходной спрогнозированный растр.	Folder
Сопоставить независимые переменные (Дополнительный)	Сопоставление названий имен полей из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена полей обучающих и прогнозируемых наборов отличаются. Эти значения - имена полей в наборе данных прогнозирования, которые соответствуют именам полей входного класса объектов. Столбцы таблицы значений: Prediction–Field names in the prediction dataset. Training–Field names in the input feature class.	Value Table
Сопоставление переменных расстояния (Дополнительный)	Сопоставление имен объектов расстояния из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена объектов расстояний, используемые в обучающих и прогнозируемых наборах, отличаются. Строковые значения являются названиями объектов, использованными для прогнозирования, которые совпадают с именами объектов расстояния, использованными для обучения. Столбцы таблицы значений: Prediction–The feature names that were used for prediction. Training–The distance features names that were used for training.	Value Table
Сопоставление независимых растров (Дополнительный)	Сопоставление имен прогнозируемых и обучающих растров. Используйте этот параметр, если имена независимых растров, используемых для прогнозирования, и имена растров, используемых для обучения отличаются. Строковые значения представляют собой имена растров, использованных для прогнозирования, которые совпадают с именами независимых растров, использованных для обучения. Столбцы таблицы значений: Prediction–The explanatory raster names that were used for prediction. Training–The explanatory raster names used for training.	Value Table
Получение объяснения для каждого прогноза (Дополнительный)	Указывает, будут ли добавляться поля, содержащие важность объекта. Отмечено–Поля, содержащие важность объекта, будут добавляться. Поля будут созданы для каждой прогнозируемой выборки вместе со значениями прогноза. Не отмечено–Поля, содержащие важность объекта, не будут создаваться. Используется по умолчанию.	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})

Имя	Объяснение	Тип данных
in_model_definition	Файл `.dlpk` или файл `.emd`.	File
prediction_type	Определяет тип выходного файла, который будет создан. `PREDICT_FEATURE`–Будет создан векторный слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходные объекты прогнозирования. `PREDICT_RASTER`–Будет создан растровый слой, содержащий спрогнозированные значения. Для этой опции необходимо значение Выходная поверхность прогноза.	String
in_features	Объекты, для которых будет создан прогноз. Входные данные должны включать некоторые или все поля, которые необходимы для определения значения зависимой переменной. Этот параметр является обязательным, если для параметра `prediction_type` установлено значение `PREDICT_FEATURE`.	Feature Layer; Table View; Feature Class
explanatory_rasters [explanatory_rasters,...] (Дополнительный)	Список растров, которые содержат независимые растры, необходимые для определения значения зависимой переменной. Этот параметр является обязательным, если для параметра `prediction_type` установлено значение `PREDICT_RASTER`.	Raster Layer
distance_features [distance_features,...] (Дополнительный)	Точечные или полигональные объекты, расстояние до которых от входных обучающих объектов будет оценено автоматически и добавлено как дополнительные независимые переменные. Расстояния будут вычислены от каждого из входных Независимых объектов расстояния обучения до ближайшего Входного обучающего объекта. Если входные независимые объекты расстояния обучения являются полигонами или линиями, атрибуты расстояния вычисляются как расстояние между ближайшими сегментами пары объектов.	Feature Layer
out_prediction_features	Выходная таблица или класс объектов.	Feature Class; Table
out_prediction_surface	Путь, по которому будет сохранен выходной спрогнозированный растр.	Folder
match_explanatory_variables [match_explanatory_variables,...] (Дополнительный)	Сопоставление названий имен полей из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена полей обучающих и прогнозируемых наборов отличаются. Эти значения - имена полей в наборе данных прогнозирования, которые соответствуют именам полей входного класса объектов. Столбцы таблицы значений: `Prediction`–Field names in the prediction dataset. `Training`–Field names in the input feature class.	Value Table
match_distance_variables [match_distance_variables,...] (Дополнительный)	Сопоставление имен объектов расстояния из прогнозируемой выборки с обучающей выборкой. Используйте этот параметр, если имена объектов расстояний, используемые в обучающих и прогнозируемых наборах, отличаются. Строковые значения являются названиями объектов, использованными для прогнозирования, которые совпадают с именами объектов расстояния, использованными для обучения. Столбцы таблицы значений: `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,...] (Дополнительный)	Сопоставление имен прогнозируемых и обучающих растров. Используйте этот параметр, если имена независимых растров, используемых для прогнозирования, и имена растров, используемых для обучения отличаются. Строковые значения представляют собой имена растров, использованных для прогнозирования, которые совпадают с именами независимых растров, использованных для обучения. Столбцы таблицы значений: `Prediction`–The explanatory raster names that were used for prediction. `Training`–The explanatory raster names used for training.	Value Table
get_prediction_explanations (Дополнительный)	Указывает, будут ли добавляться поля, содержащие важность объекта. `TRUE`–Поля, содержащие важность объекта, будут добавляться. Поля будут созданы для каждой прогнозируемой выборки вместе со значениями прогноза. `FALSE`–Поля, содержащие важность объекта, не будут создаваться. Используется по умолчанию.	Boolean

Пример кода

Пример PredictUsingAutoML (автономный скрипт)

В этом примере показано, как использовать функцию 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)

Параметры среды

Выходная система координат, Географические преобразования

Информация о лицензировании