Обзор группы инструментов Моделирование пространственных отношений

Группа инструментов Моделирование пространственных отношений содержит инструменты для исследования и оценки отношений в данных.

В дополнение к анализу пространственных закономерностей, ГИС анализ может использоваться для изучения или количественного определения отношений между объектами. Используйте инструменты Моделирования пространственных отношений для построения матрицы пространственных весов или моделирования пространственных отношений на основе разнообразных методов анализа, таких как регрессия, классификация на основе леса и максимизация энтропии.

Инструмент	Описание
Бивариантная пространственная связь (L-статистика Ли)	Вычисляет пространственную связь между двумя непрерывными переменными с использованием L-статистики Ли.
Причинно-следственный анализ	Оценивает причинно-следственное влияние переменной непрерывного воздействия на переменную непрерывного результата путем аппроксимации рандомизированного эксперимента и анализа искажающих переменных.
Анализ совместного размещения	Измеряет локальные закономерности пространственной связи (колокации) между двумя категориями точечных объектов, используя статистику индекса совместного размещения.
Предполагаемое время до события	Предсказывает оставшееся время до события на основе предыдущих времен до событий. Для улучшения прогнозов можно использовать независимые переменные, а инструмент может определить, какие переменные увеличивают или уменьшают время до события.
Оценка прогнозов перекрестной проверкой	Оценивает производительность модели прогнозирования при помощи перекрестной проверки. Этот инструмент вычисляет показатели проверки для моделей, созданных при помощи инструментов Классификация и регрессия на основе леса и бустинга, Обобщенная линейная регрессия и Прогнозирование только присутствия. Он позволяет указать тип оценки (например, K-кратное или пространственное K-кратное распределение), число групп и балансировку редких событий для обеспечения надежной и непредвзятой оценки модели.
Оценка влияния переменной для прогнозирования	Оценивает влияние переменных на прогнозы из файла модели пространственной статистики (.ssm). Инструмент создает графики частичной зависимости, позволяющие увидеть, как каждая объясняющая переменная повлияла на прогнозы входной модели.
Исследовательская регрессия	Оценивает все возможные комбинации входных потенциальных независимых переменных, выполняя поиск моделей МНК (OLS), которые наилучшим образом описывают зависимую переменную в контексте критериев, заданных пользователем.
Классификация и регрессия на основе леса и бустинга	Создает модели и генерирует прогнозы с использованием одного из двух контролируемых методов машинного обучения: адаптации алгоритма случайного леса, разработанного Лео Брейманом и Адель Катлер, или алгоритма экстремального градиентного бустинга (XGBoost), разработанного Тяньци Ченом и Карлосом Гестрином. Прогнозы могут быть выполнены как для категориальных перемененных (классификация), так и для непрерывных переменных (регрессия). Независимые переменные могут принимать форму полей в атрибутивной таблице обучающих объектов, наборов растровых данных и объектов расстояния, используемых для вычисления значений близости в качестве добавочных переменных. В дополнение к проверке производительности модели на основании обучающих данных, прогнозы можно выполнять по объектам или растрам прогноза.
Обобщенная линейная регрессия	Выполняет обобщенную линейную регрессию (ОЛР) для вычисления прогнозов или моделирования взаимосвязи между независимыми переменными и зависимой переменной. Инструмент используется для подгонки различных моделей, в частности, непрерывных (МНК), бинарных (логистических) и количественных (Пуассона).
Построить матрицу пространственных весов для сети	Создает файл матрицы пространственных весов (.swm) с использованием набора сетевых данных, определяя пространственные отношения в соответствии с базовой структурой сети.
Построить матрицу пространственных весов	Создает файл матрицы пространственных весов (.swm) для отображения пространственных отношений между объектами в наборе данных.
Географически взвешенная регрессия	Выполняет Географически взвешенную регрессию, локальную форму линейной регрессии, используемую для моделирования отношений, варьирующихся в пространстве.
Локальные двумерные отношения	Анализирует две переменные на предмет статистически значимых отношений с использованием локальной энтропии. Каждый объект классифицируется в одной из шести категорий на основании типа отношений. Выходные данные можно использовать для визуализации областей, где существуют отношения между переменными и изучения изменений отношений в пределах области изучения.
Мультимасштабная географически взвешенная регрессия (МГВР)	Выполняет мультимасштабную географически взвешенную регрессию (МГВР) - локальную форму линейной регрессии, используемую для моделирования пространственно меняющихся отношений.
Метод наименьших квадратов (МНК)	Выполняет глобальную линейную регрессию методом наименьших квадратов (МНК), чтобы спрогнозировать или смоделировать зависимую переменную на основе ее отношений с независимыми переменными.
Прогнозировать, используя файл модели пространственной статистики	Прогнозирует постоянные или категорийные значения с использованием обученной модели пространственной статистики (файл .ssm).
Подготовка данных для прогноза	Улучшает данные для рабочих процессов прогнозирования в инструментах Классификация и регрессия на основе леса и бустинга, Обобщенная линейная регрессия, Прогнозирование только присутствия, а так же для других моделей. Это включает в себя разделение объектов на обучающие и тестовые наборы, извлечение переменных из растров и объектов расстояния, балансировку данных для повышения точности классификации и выполнение пространственного прореживания для пространственных данных со смещением.
Прогнозирование только присутствия	Моделирует присутствие явления на основании известных местоположений присутствия и независимых переменных, используя подход максимальной энтропии (MaxEnt). Инструмент создает выходные объекты и растры, которые включают вероятность присутствия, и он применяется к тем задачам, где присутствие явления известно, а отсутствие неизвестно.
Пространственная связь между зонами	Измеряет степень пространственной связи между двумя вариантами районирования одной и той же изучаемой области, в которой каждое районирование состоит из набора категорий, называемых зонами. Степень связи между районированиями определяется областью перекрытия между зонами каждого районирования. Связь будет максимальной, когда каждая зона одного районирования полностью соответствует зоне другого районирования. Точно так же пространственная связь является самой низкой, когда зоны одного районирования имеют большое перекрытие со множеством различных зон другого районирования. Основным результатом работы этого инструмента является общая оценка пространственной связи между категорийными переменными: число в диапазоне от 0 (отсутствие соответствия) до 1 (идеальное пространственное совмещение зон). При необходимости эту глобальную связь можно вычислить и визуализировать для конкретных зон районирования или для конкретных сочетаний зон между районированиями.
Пространственная авторегрессия	Оценивает глобальную модель пространственной регрессии для класса точечных или полигональных объектов.