Skip to main content

使用 AI 模型预测缺失值 (GeoAI 工具)

汇总

用预估的要素值替换缺失值（空值）。 使用基于数据集模式训练的机器学习和深度学习模型，以确保统计一致性。

了解有关“使用 AI 模型预测缺失值”的工作原理的详细信息

用法

  • 输入要素或表参数值可以是点、线、面要素，也可以是包含缺失值（空值）的待填充独立表。

  • 输入要素或表参数是训练/微调和应用 AI 模型的源。 是否在原地更新或创建新输出取决于在输入数据中填充值参数值。

  • 可以选择是否使用在输入数据中填充值参数直接使用填充值更新输入要素类或表。 当选中 (true) 时，不会创建单独输出，输入数据会在原地进行修改。

  • 输入模型定义参数允许您训练 XGBoost 模型，或在提供的输入数据集上微调预训练的自回归 LLM (DistilGPT-2)，然后用模型预测缺失值。 模型文件是托管在 ArcGIS Living Atlas of the World 上的 Esri 模型定义文件 (.emd) 或深度学习包文件 (.dlpk)。

  • 空值参数表示空值（缺失值）。 根据输入格式，此参数的使用方式也有所不同：

    • 对于地理数据库要素类或表，如果未提供空值参数值，<Null> 视为空值（缺失值）。 如果提供了值，则将在工具输出中估计该值和 <Null> 值。

    • 对于 shapefile 和 dBASE 表，空值参数为必填参数。 必须提供表示输入数据中的空值或缺失值（例如 0 或 -9999）的值。

  • 在工具执行期间，描述分析详细信息和已填充字段特征的消息会写在地理处理窗格底部。 可将鼠标悬停在进度条上并单击弹出按钮 或展开地理处理窗格中的消息部分来访问消息。 您还可以使用地理处理历史 访问之前运行该工具的消息。

  • 示例使用案例包括在空间数据集中插补缺失的人口统计或健康数据、在房地产数据库中完成房产属性，以及填补环境传感器网络或遥感产品（如气候、土壤或空气质量数据）中的空白。

参数

标注 说明 数据类型

输入要素或表

包含待填充缺失值（空值）的输入要素类或独立表。

Table View

输出要素或表

包含保存在指定路径下的已填充值的输出要素或独立表。

Feature Class; Table

要填充的字段

包含待填充缺失值（空值）的输入数值字段。

Field

输入模型定义

输入模型定义可接受 Esri 模型定义 JSON 文件 (.emd)，或存储在本地或者托管在 ArcGIS Living Atlas (.dlpk_remote) 的深度学习包 (.dlpk)。

File

模型参数

（可选）

输入模型定义参数值中的信息将用于填充此参数。 目前支持两种模型：XGBoost 和 DistilGPT2。 这些参数将有所不同，具体取决于各自的模型。

值表列：

  • Name—The name of the function argument.

  • Value—The value of the function argument.

Value Table

空值

（可选）

表示空（缺失）值的值。 如果未提供任何值，则将地理数据库要素类和表视为空值 <Null>。 如果提供了值，则将填充该值和所有 <Null> 值。 如果输入为 shapefile 或 dBASE 表，则需要为空占位符提供一个数值。

Double

在输入数据中填充值

（可选）

指定是将已填充值用于更新输入要素类或表，还是使用已填充值创建输出要素类或表。

  • 选中—将在输入数据中更新包含已填充值的字段。 此选项会修改输入数据。

  • 未选中—将创建包含已填充值字段的输出要素类或表。 这是默认设置。

Boolean

派生输出

标注 说明 数据类型

更新的要素或表

包含已填充值字段的已更新输入要素或表。

Table View

环境

输出坐标系, 地理变换

许可信息

  • 基本: 否
  • 标准: 否
  • 高级: 是