Ogłoszenie: wszystkie projekty niekomercyjne zarejestrowane do korzystania z Earth Engine przed
15 kwietnia 2025 r. muszą
potwierdzić spełnianie warunków użycia niekomercyjnego, aby zachować dostęp. Jeśli nie przejdziesz weryfikacji do 26 września 2025 r., Twój dostęp może zostać wstrzymany.
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."],[],["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"]]
