Ankündigung: Alle nicht kommerziellen Projekte, die vor dem
15. April 2025 für die Nutzung von Earth Engine registriert wurden, müssen
die Berechtigung zur nicht kommerziellen Nutzung bestätigen, um den Zugriff aufrechtzuerhalten. Wenn Sie Ihren Status nicht bis zum 26. September 2025 bestätigen, wird Ihr Zugriff möglicherweise eingeschränkt.
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"]]
