ee.Clusterer.train
با مجموعه‌ها، منظم بمانید
ذخیره و طبقه‌بندی محتوا براساس اولویت‌های شما.
Clusterer را بر روی مجموعه ای از ویژگی ها با استفاده از ویژگی های عددی مشخص شده هر ویژگی به عنوان داده آموزشی آموزش می دهد. هندسه ویژگی ها نادیده گرفته می شود.
| استفاده | برمی گرداند | Clusterer. train (features, inputProperties , subsampling , subsamplingSeed ) | خوشه |
| استدلال | تایپ کنید | جزئیات | این: clusterer | خوشه | یک خوشه ورودی. |
features | مجموعه ویژگی ها | مجموعه ای برای آموزش |
inputProperties | لیست، پیش فرض: null | لیستی از نام های دارایی که باید به عنوان داده های آموزشی درج شود. هر ویژگی باید همه این ویژگی ها را داشته باشد و مقادیر آنها باید عددی باشد. این آرگومان اختیاری است اگر مجموعه ورودی حاوی ویژگی 'band_order' باشد (همانطور که توسط Image.sample تولید شده است). |
subsampling | شناور، پیش فرض: 1 | یک عامل انتخابی زیر نمونه برداری، در (0، 1). |
subsamplingSeed | عدد صحیح، پیش فرض: 0 | یک دانه تصادفی برای استفاده برای نمونه گیری فرعی. |
جز در مواردی که غیر از این ذکر شده باشد،محتوای این صفحه تحت مجوز Creative Commons Attribution 4.0 License است. نمونه کدها نیز دارای مجوز Apache 2.0 License است. برای اطلاع از جزئیات، به خطمشی‌های سایت Google Developers مراجعه کنید. جاوا علامت تجاری ثبت‌شده Oracle و/یا شرکت‌های وابسته به آن است.
تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی.
[null,null,["تاریخ آخرین به‌روزرسانی 2025-07-24 به‌وقت ساعت هماهنگ جهانی."],[],["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"]]
