ee.Clusterer.train
จัดทุกอย่างให้เป็นระเบียบอยู่เสมอด้วยคอลเล็กชัน
บันทึกและจัดหมวดหมู่เนื้อหาตามค่ากำหนดของคุณ
ฝึก Clusterer ในชุดฟีเจอร์โดยใช้พร็อพเพอร์ตี้ตัวเลขที่ระบุของแต่ละฟีเจอร์เป็นข้อมูลการฝึก ระบบจะไม่สนใจเรขาคณิตของฟีเจอร์
| การใช้งาน | การคืนสินค้า |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Clusterer |
| อาร์กิวเมนต์ | ประเภท | รายละเอียด |
|---|
ดังนี้ clusterer | Clusterer | Clusterer อินพุต |
features | FeatureCollection | คอลเล็กชันที่จะใช้ฝึก |
inputProperties | รายการ (ค่าเริ่มต้น: null) | รายการชื่อพร็อพเพอร์ตี้ที่จะรวมเป็นข้อมูลการฝึก ฟีเจอร์แต่ละรายการต้องมีพร็อพเพอร์ตี้ทั้งหมดนี้ และค่าของพร็อพเพอร์ตี้ต้องเป็นตัวเลข อาร์กิวเมนต์นี้ไม่บังคับหากคอลเล็กชันอินพุตมีพร็อพเพอร์ตี้ "band_order" (ตามที่สร้างโดย Image.sample) |
subsampling | Float, ค่าเริ่มต้น: 1 | ปัจจัยการสุ่มตัวอย่างย่อยที่ไม่บังคับภายใน (0, 1] |
subsamplingSeed | จำนวนเต็ม ค่าเริ่มต้น: 0 | ค่าเริ่มต้นของการสุ่มที่จะใช้สำหรับการสุ่มตัวอย่างย่อย |
เนื้อหาของหน้าเว็บนี้ได้รับอนุญาตภายใต้ใบอนุญาตที่ต้องระบุที่มาของครีเอทีฟคอมมอนส์ 4.0 และตัวอย่างโค้ดได้รับอนุญาตภายใต้ใบอนุญาต Apache 2.0 เว้นแต่จะระบุไว้เป็นอย่างอื่น โปรดดูรายละเอียดที่นโยบายเว็บไซต์ Google Developers Java เป็นเครื่องหมายการค้าจดทะเบียนของ Oracle และ/หรือบริษัทในเครือ
อัปเดตล่าสุด 2025-07-26 UTC
[null,null,["อัปเดตล่าสุด 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. |"]]
