Просмотреть обучающие примеры (Инструменты Spatial Analyst)

Краткая информация

Оценивает точность отдельных образцов обучающей выборки. Точность перекрестной проверки вычисляется при помощи предварительно созданного результата обучающей классификации в файле .ecd и обучающих выборок. В выходные данные входит набор растровых данных, содержащий значения неправильно классифицированных классов, и набор данных обучающей выборки с показателями точности для каждой обучающей выборки.

Использование

Инструмент использует входной растр, дополнительный входной растр и файл определения классификатора .ecd для создания на лету слоя классификации. Затем слой классификации используется как базовый и сравнивается со всеми полигонами или точками обучающей выборки. Поскольку идеальная обучающая выборка должна содержать только пикселы отображаемого класса, для каждой выборки путем сравнения всех правильно и неправильно классифицированных пикселов вычисляется точность. Оценка точности (на полигон или точку) вычисляется как number of correctly classified pixels/number of total pixels, которая содержится в каждой обучающей выборке.
Оценка для полигональных обучающих выборок – это десятичное значение в диапазоне от 0 до 1, где значение ближе к 1 означает, что оно более точное. Оценка для точечных обучающих выборок равна 0 для неточных или 1 для точных.
Для улучшения классов в обучающих выборках результаты могут использоваться следующим способами:
- Воспользуйтесь таблицей атрибутов выходной обучающей выборки для сортировки объектов выборки по точности и крупного просмотра каждого из них.
- Используйте карту неклассифицированных классов, чтобы увидеть, где находится ошибка классификацию и определить ее причины.
- После этого вы примите решение, сохранять, удалять или изменять обучающие объекты.

Подпись	Объяснение	Тип данных
Входной растр	Входной классифицируемый растр.	Mosaic Layer; Raster Layer; Image Service; String
Входной файл обучающей выборки	Класс объектов обучающей выборки создан на панели Менеджер обучающих выборок.	Feature Layer
Входной файл определения классификатора	Выходной файл классификации `.ecd` любого из инструментов классификации с обучением. `.ecd` — это файл JSON, который содержит информацию об атрибутах, статистику и другую информацию, необходимую для классификатора.	File
Выходной класс объектов обучающей выборки с баллами	Выходные отдельные обучающие выборки сохраняются как класс пространственных объектов. Связанная атрибутивная таблица содержит дополнительное поле с показателем (баллами) точности.	Feature Class
Выходной неправильно классифицированный растр	Выходной неправильно классифицированный растр, имеющий NoData вне обучающих выборок. В обучающих выборках правильно классифицированные пикселы имеют значения NoData, а неправильно - значения соответствующих классов. В результате получается индексная карта неклассифицированных значений классов.	Raster Dataset
Дополнительный входной растр (Дополнительный)	Вспомогательные наборы растровых данных, такие как спектрозональное изображение или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Этот растр необходим при вычислении атрибутов, таких как среднее или среднеквадратическое отклонение. Это дополнительный параметр.	Mosaic Layer; Raster Layer; Image Service; String

InspectTrainingSamples(in_raster, in_training_features, in_classifier_definition, out_training_feature_class, out_misclassified_raster, {in_additional_raster})

Имя	Объяснение	Тип данных
in_raster	Входной классифицируемый растр.	Mosaic Layer; Raster Layer; Image Service; String
in_training_features	Класс объектов обучающей выборки создан на панели Менеджер обучающих выборок.	Feature Layer
in_classifier_definition	Выходной файл классификации `.ecd` любого из инструментов классификации с обучением. `.ecd` — это файл JSON, который содержит информацию об атрибутах, статистику и другую информацию, необходимую для классификатора.	File
out_training_feature_class	Выходные отдельные обучающие выборки сохраняются как класс пространственных объектов. Связанная атрибутивная таблица содержит дополнительное поле с показателем (баллами) точности.	Feature Class
out_misclassified_raster	Выходной неправильно классифицированный растр, имеющий NoData вне обучающих выборок. В обучающих выборках правильно классифицированные пикселы имеют значения NoData, а неправильно - значения соответствующих классов. В результате получается индексная карта неклассифицированных значений классов.	Raster Dataset
in_additional_raster (Дополнительный)	Вспомогательные наборы растровых данных, такие как спектрозональное изображение или ЦМР, будут добавлены для создания атрибутов и другой необходимой для классификатора информации. Этот растр необходим при вычислении атрибутов, таких как среднее или среднеквадратическое отклонение. Это дополнительный параметр.	Mosaic Layer; Raster Layer; Image Service; String

Пример кода

InspectTrainingSamples пример 1 (окно Python)

В этом примере проверяется пригодность для классификации обучающих выборок.

### InspectTrainingSamples example 1 (Python window)
import arcpy
from arcpy.sa import *

in_img = "C:/Data/wv2.tif"
trn_samples1 = "C:/out/ts.shp"
ecd = "C:/Data/svm.ecd"
seg_in_img = "C:/Data/seg.tif"
trn_samples2 = "C:/out/ts2.shp"

out_misclassified_raster = InspectTrainingSamples(in_img, trn_samples, ecd,
                                                  trn_samples2, seg_in_img);
out_misclassified_raster.save("C:/temp/misclassified.tif")

InspectTrainingSamples пример 2 (автономный скрипт)

В этом примере проверяется пригодность для классификации обучающих выборок.

### InspectTrainingSamples example 2 (stand-alone script)
import arcpy
from arcpy.sa import *

out_misclassified_raster = InspectTrainingSamples("C:/Data/wv2.tif",
                                                  "C:/out/ts.shp",
                                                  "C:/Data/svm.ecd",
                                                  "C:/out/ts2.shp",
                                                  "C:/Data/seg.tif");
out_misclassified_raster.save("C:/temp/misclassified.tif")

Параметры среды

Сжатие, Текущая рабочая область, Экстент, Географические преобразования, NoData, Выходное ключевое слово конфигурации, Выходная система координат, Коэффициент параллельной обработки, Пирамидный слой, Метод пересчета, Временная рабочая область, Растр привязки, Статистика растра, Размер листа

Информация о лицензировании