ee.Clusterer.train
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Trenuje klasteryzator na zbiorze cech, używając określonych właściwości liczbowych każdej cechy jako danych treningowych. Geometria obiektów jest ignorowana.
| Wykorzystanie | Zwroty |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Klasteryzator |
| Argument | Typ | Szczegóły |
|---|
to: clusterer | Klasteryzator | Wejściowy obiekt Clusterer. |
features | FeatureCollection | Kolekcja, na której ma być przeprowadzane trenowanie. |
inputProperties | Lista, domyślna: null | Lista nazw właściwości, które mają być uwzględnione w danych treningowych. Każda cecha musi mieć wszystkie te właściwości, a ich wartości muszą być liczbowe. Ten argument jest opcjonalny, jeśli kolekcja wejściowa zawiera właściwość „band_order” (jak w przypadku danych wyjściowych funkcji Image.sample). |
subsampling | Liczba zmiennoprzecinkowa, domyślnie: 1 | Opcjonalny współczynnik próbkowania podrzędnego z zakresu (0, 1]. |
subsamplingSeed | Liczba całkowita, domyślnie: 0 | Wartość początkowa randomizacji do użycia w próbkowaniu. |
O ile nie stwierdzono inaczej, treść tej strony jest objęta licencją Creative Commons – uznanie autorstwa 4.0, a fragmenty kodu są dostępne na licencji Apache 2.0. Szczegółowe informacje na ten temat zawierają zasady dotyczące witryny Google Developers. Java jest zastrzeżonym znakiem towarowym firmy Oracle i jej podmiotów stowarzyszonych.
Ostatnia aktualizacja: 2025-07-26 UTC.
[null,null,["Ostatnia aktualizacja: 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. |"]]
