Die Earth Engine hat
nicht kommerzielle Kontingentstufen eingeführt, um gemeinsam genutzte Rechenressourcen zu schützen und eine zuverlässige Leistung für alle sicherzustellen. Für nicht kommerzielle Projekte wird standardmäßig die Community-Stufe verwendet. Sie können die Stufe eines Projekts aber jederzeit ändern.
Google uses AI technology to translate content into your preferred language. AI translations can contain errors.
ee.Clusterer.train
Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Trainiert den Clusterer anhand einer Sammlung von Features. Dabei werden die angegebenen numerischen Eigenschaften jedes Features als Trainingsdaten verwendet. Die Geometrie der Features wird ignoriert.
| Nutzung | Ausgabe |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Clusterer |
| Argument | Typ | Details |
|---|
So gehts: clusterer | Clusterer | Ein Eingabe-Clusterer. |
features | FeatureCollection | Die Sammlung, mit der trainiert werden soll. |
inputProperties | Liste, Standard: null | Die Liste der Attributnamen, die als Trainingsdaten verwendet werden sollen. Jedes Feature muss alle diese Attribute haben und ihre Werte müssen numerisch sein. Dieses Argument ist optional, wenn die Eingabesammlung die Eigenschaft „band_order“ enthält (wie von Image.sample erzeugt). |
subsampling | Gleitkommazahl, Standardwert: 1 | Ein optionaler Subsampling-Faktor im Bereich (0, 1]. |
subsamplingSeed | Ganzzahl, Standardwert: 0 | Ein Randomisierungs-Seed, der für die Teilstichprobenerhebung verwendet werden soll. |
Sofern nicht anders angegeben, sind die Inhalte dieser Seite unter der Creative Commons Attribution 4.0 License und Codebeispiele unter der Apache 2.0 License lizenziert. Weitere Informationen finden Sie in den Websiterichtlinien von Google Developers. Java ist eine eingetragene Marke von Oracle und/oder seinen Partnern.
Zuletzt aktualisiert: 2025-07-26 (UTC).
[null,null,["Zuletzt aktualisiert: 2025-07-26 (UTC)."],[],["The `Clusterer.train` method trains a Clusterer using a FeatureCollection. It takes a collection of features and uses their numeric properties as training data, ignoring feature geometry. Users specify `inputProperties` (a list of numeric property names) to be used for training. Subsampling can be employed by setting the `subsampling` (factor between 0 and 1) and optionally, the `subsamplingSeed` to control randomness. The method returns the trained `Clusterer` object.\n"]]