ee.Clusterer.train
Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
entraîne le clusteriseur sur une collection de caractéristiques en utilisant les propriétés numériques spécifiées de chaque caractéristique comme données d'entraînement. La géométrie des entités est ignorée.
| Utilisation | Renvoie |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Clusterer |
| Argument | Type | Détails |
|---|
ceci : clusterer | Clusterer | Un cluster d'entrée. |
features | FeatureCollection | Collection sur laquelle effectuer l'entraînement. |
inputProperties | Liste, valeur par défaut : null | Liste des noms de propriétés à inclure en tant que données d'entraînement. Chaque caractéristique doit posséder toutes ces propriétés, et leurs valeurs doivent être numériques. Cet argument est facultatif si la collection d'entrée contient une propriété "band_order" (telle que produite par Image.sample). |
subsampling | Float, valeur par défaut : 1 | Facteur de sous-échantillonnage facultatif, compris entre 0 et 1 (inclus). |
subsamplingSeed | Entier, valeur par défaut : 0 | Graine de randomisation à utiliser pour le sous-échantillonnage. |
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/07/26 (UTC).
[null,null,["Dernière mise à jour le 2025/07/26 (UTC)."],[[["\u003cp\u003eTrains a clusterer using numeric properties of features, ignoring geometry.\u003c/p\u003e\n"],["\u003cp\u003eRequires a feature collection and optionally specifies input properties for training.\u003c/p\u003e\n"],["\u003cp\u003eAllows for subsampling of the training data using a factor and seed.\u003c/p\u003e\n"],["\u003cp\u003eReturns the trained Clusterer object for further use.\u003c/p\u003e\n"]]],["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"],null,["# ee.Clusterer.train\n\nTrains the Clusterer on a collection of features using the specified numeric properties of each feature as training data. The geometry of the features is ignored.\n\n\u003cbr /\u003e\n\n| Usage | Returns |\n|------------------------------------------------------------------------------------------|-----------|\n| Clusterer.train`(features, `*inputProperties* `, `*subsampling* `, `*subsamplingSeed*`)` | Clusterer |\n\n| Argument | Type | Details |\n|-------------------|---------------------|----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|\n| this: `clusterer` | Clusterer | An input Clusterer. |\n| `features` | FeatureCollection | The collection to train on. |\n| `inputProperties` | List, default: null | The list of property names to include as training data. Each feature must have all these properties, and their values must be numeric. This argument is optional if the input collection contains a 'band_order' property (as produced by Image.sample). |\n| `subsampling` | Float, default: 1 | An optional subsampling factor, within (0, 1\\]. |\n| `subsamplingSeed` | Integer, default: 0 | A randomization seed to use for subsampling. |"]]
