Earth Engine, paylaşılan bilgi işlem kaynaklarını korumak ve herkes için güvenilir performans sağlamak amacıyla
ticari olmayan kota katmanlarını kullanıma sundu. Ticari olmayan projelerde varsayılan olarak Community Katmanı kullanılır. Ancak bir projenin katmanını istediğiniz zaman değiştirebilirsiniz.
Google uses AI technology to translate content into your preferred language. AI translations can contain errors.
ee.Clusterer.train
Koleksiyonlar ile düzeninizi koruyun
İçeriği tercihlerinize göre kaydedin ve kategorilere ayırın.
Her özelliğin belirtilen sayısal özelliklerini eğitim verisi olarak kullanarak Clusterer'ı bir özellik koleksiyonu üzerinde eğitir. Özelliklerin geometrisi yoksayılır.
| Kullanım | İadeler |
|---|
Clusterer.train(features, inputProperties, subsampling, subsamplingSeed) | Kümeleyici |
| Bağımsız Değişken | Tür | Ayrıntılar |
|---|
bu: clusterer | Kümeleyici | Giriş kümeleyici. |
features | FeatureCollection | Eğitim için kullanılacak koleksiyon. |
inputProperties | Liste, varsayılan: null | Eğitim verisi olarak eklenecek özellik adlarının listesi. Her özelliğin bu özelliklere sahip olması ve değerlerinin sayısal olması gerekir. Giriş koleksiyonu, "band_order" özelliği (Image.sample tarafından üretildiği gibi) içeriyorsa bu bağımsız değişken isteğe bağlıdır. |
subsampling | Ondalık sayı, varsayılan: 1 | (0, 1] aralığında isteğe bağlı bir alt örnekleme faktörü. |
subsamplingSeed | Tamsayı, varsayılan: 0 | Alt örnekleme için kullanılacak rastgeleleştirme başlangıç değeri. |
Aksi belirtilmediği sürece bu sayfanın içeriği Creative Commons Atıf 4.0 Lisansı altında ve kod örnekleri Apache 2.0 Lisansı altında lisanslanmıştır. Ayrıntılı bilgi için Google Developers Site Politikaları'na göz atın. Java, Oracle ve/veya satış ortaklarının tescilli ticari markasıdır.
Son güncelleme tarihi: 2025-07-26 UTC.
[null,null,["Son güncelleme tarihi: 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"]]