Pengumuman: Semua project nonkomersial yang terdaftar untuk menggunakan Earth Engine sebelum
15 April 2025 harus
memverifikasi kelayakan nonkomersial untuk mempertahankan akses. Jika Anda belum melakukan verifikasi hingga 26 September 2025, akses Anda mungkin ditangguhkan.
ee.Clusterer.train
Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Melatih Clusterer pada kumpulan fitur menggunakan properti numerik yang ditentukan dari setiap fitur sebagai data pelatihan. Geometri fitur diabaikan.
| Penggunaan | Hasil |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Pengelompok |
| Argumen | Jenis | Detail |
|---|
ini: clusterer | Pengelompok | Pengelompokan input. |
features | FeatureCollection | Kumpulan data yang akan digunakan untuk pelatihan. |
inputProperties | Daftar, default: null | Daftar nama properti yang akan disertakan sebagai data pelatihan. Setiap fitur harus memiliki semua properti ini, dan nilainya harus berupa angka. Argumen ini bersifat opsional jika kumpulan input berisi properti 'band_order' (seperti yang dihasilkan oleh Image.sample). |
subsampling | Float, default: 1 | Faktor subsampling opsional, dalam (0, 1]. |
subsamplingSeed | Bilangan bulat, default: 0 | Bibit pengacakan yang akan digunakan untuk pengambilan sampel sekunder. |
Kecuali dinyatakan lain, konten di halaman ini dilisensikan berdasarkan Lisensi Creative Commons Attribution 4.0, sedangkan contoh kode dilisensikan berdasarkan Lisensi Apache 2.0. Untuk mengetahui informasi selengkapnya, lihat Kebijakan Situs Google Developers. Java adalah merek dagang terdaftar dari Oracle dan/atau afiliasinya.
Terakhir diperbarui pada 2025-07-26 UTC.
[null,null,["Terakhir diperbarui pada 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"]]
