Earth Engine a introduit des
niveaux de quota non commerciaux pour protéger les ressources de calcul partagées et garantir des performances fiables pour tous. Les projets non commerciaux utilisent le niveau "Communauté" par défaut, mais vous pouvez modifier le niveau d'un projet à tout moment.
Google uses AI technology to translate content into your preferred language. AI translations can contain errors.
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)."],[],["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"]]