评估变量对预测的影响 (空间统计工具)

汇总

评估变量如何影响空间统计模型 (.ssm) 文件中的预测。 该工具创建部分依赖性图，通过该图，可以看到每个解释变量如何影响输入模型中的预测。

了解有关“评估变量对预测的影响”工作原理的详细信息

插图

用法

• 输入模型文件必须使用基于森林的增强分类与回归工具进行创建。

• 您必须提供包含与训练输入模型文件所用解释变量相同的输入要素，并确保解释变量字段、距离要素和解释栅格相匹配。 该工具会创建一个输出表，其中包含在预测输入要素时各解释变量的部分依赖性图。 这些图表展示了每个解释变量如何平均影响预测值，以及变量间关系的形态。

• 当因变量为分类变量（即分类模型）时，部分依赖性图将显示对首个类别进行分类的平均概率。 您可以在图表属性窗格中更改图表显示的类别。 在数据选项卡中，单击数值字段下的选择按钮，然后选择要显示的类别。 每次仅开启一个类别，以使图表能正确显示部分依赖性图。

• 地理处理消息展示了关于输入模型文件的各种信息，包括模型参数和训练统计数据。 消息内容取决于模型的创建方式。

参数

• Dialog
• Python

标注	说明	数据类型
输入模型文件	用于预测和生成部分依赖性图的空间统计模型文件。 模型文件必须使用基于森林的增强分类与回归工具进行创建。	File
评估类型	指定用于评估变量影响的方法。 当前仅支持部分依赖性图。 部分依赖性图—使用部分依赖性图来评估变量影响。	String
输入要素	将对其预测结果进行评估的输入要素。 输入要素必须包含与过去用于创建输入模型文件的要素相匹配的字段。	Feature Layer
输出要素 （可选）	输出要素。 当前不使用此参数。	Feature Class
输出表 （可选）	包含部分依赖性图值的输出表。 该表包含显示每个解释变量的部分依赖性图的图表。	Table
匹配解释变量 （可选）	输入模型的解释变量列表和输入要素的对应字段。 对于 Training 列中的每个解释变量，在 Prediction 列中提供相应的预测字段。 Categorical 列指定变量是分类变量还是连续变量。 值表列： Prediction—The prediction field of the input 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
匹配距离要素 （可选）	输入模型的解释距离要素和相应的预测距离要素的列表。 对于 Training 列中的每个解释距离要素，在 Prediction 列中提供相应的预测距离要素。 值表列： Prediction—The prediction distance features. Training—The explanatory distance features of the input model file.	Value Table
匹配解释栅格 （可选）	输入模型的解释栅格和相应的预测栅格的列表。 对于 Training 列中的每个解释栅格，在 Prediction 列中提供相应的预测栅格。 Categorical 列指定栅格是分类栅格还是连续栅格。 值表列： 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

环境

此工具不使用任何地理处理环境。

许可信息

• 基本: 受限
  需要 Spatial Analyst 才能使用栅格。
• 标准: 受限
  需要 Spatial Analyst 才能使用栅格。
• 高级: 受限
  需要 Spatial Analyst 才能使用栅格。

相关主题

• “空间关系建模”工具集概述
• 查找地理处理工具
• 基于森林的增强分类与回归