Anúncio: todos os projetos não comerciais registrados para usar o Earth Engine antes de
15 de abril de 2025 precisam
verificar a qualificação não comercial para manter o acesso. Se você não fizer a verificação até 26 de setembro de 2025, seu acesso poderá ser suspenso.
ee.Clusterer.train
Mantenha tudo organizado com as coleções
Salve e categorize o conteúdo com base nas suas preferências.
Treina o Clusterer em uma coleção de recursos usando as propriedades numéricas especificadas de cada recurso como dados de treinamento. A geometria dos recursos é ignorada.
| Uso | Retorna |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Clusterer |
| Argumento | Tipo | Detalhes |
|---|
isso: clusterer | Clusterer | Um Clusterer de entrada. |
features | FeatureCollection | A coleção para treinamento. |
inputProperties | Lista, padrão: nulo | A lista de nomes de propriedades a serem incluídos como dados de treinamento. Cada atributo precisa ter todas essas propriedades, e os valores delas precisam ser numéricos. Esse argumento é opcional se a coleção de entrada tiver uma propriedade "band_order" (como produzido por Image.sample). |
subsampling | Ponto flutuante, padrão: 1 | Um fator de subamostragem opcional, dentro de (0, 1]. |
subsamplingSeed | Número inteiro, padrão: 0 | Uma semente de aleatorização a ser usada para subamostragem. |
Exceto em caso de indicação contrária, o conteúdo desta página é licenciado de acordo com a Licença de atribuição 4.0 do Creative Commons, e as amostras de código são licenciadas de acordo com a Licença Apache 2.0. Para mais detalhes, consulte as políticas do site do Google Developers. Java é uma marca registrada da Oracle e/ou afiliadas.
Última atualização 2025-07-26 UTC.
[null,null,["Última atualização 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"]]
