Prévoir à l’aide d’AutoML (GeoAI)—ArcGIS Pro

Synthèse

Prévoit des variables continues (régression) ou des variables catégorielles (classification) sur des jeux de données compatibles cachés à l’aide d’un modèle .dlpk entraîné produit par l’outil Entraîner à l’aide d’AutoML.

En savoir plus sur le fonctionnement d’AutoML

Utilisation

Vous devez installer la structure de Deep Learning correspondant à Python dans ArcGIS Pro.
Découvrir comment installer des structures de Deep Learning pour ArcGIS
L’entrée est un fichier de définition de modèle Esri (.emd) ou un fichier de paquetage de Deep Learning (.dlpk), qu’il est possible de créer à l’aide de l’outil Entraîner à l’aide d’AutoML.
Une licence Spatial Analyst est requise pour utiliser des rasters en tant que variables explicatives ou pour prévoir une surface de prévision en sortie.
Pour en savoir plus sur les exigences relatives à l’exécution de cet outil, ainsi que sur les problèmes que vous pouvez rencontrer, consultez les rubriques FAQ Apprentissage profond. .

Paramètres

Étiquette	Explication	Type de données
Définition de modèle	Fichier .dlpk ou fichier .emd.	File
Type de prévision	Spécifie le type de fichier en sortie à créer. Prévoir l’entité—Une couche d’entités contenant les valeurs de prévision sera créée. La valeur Entités de prévision en sortie est requise pour cette option. Prévoir le raster—Une couche raster contenant les valeurs de prévision sera créée. La valeur Surface de prévision en sortie est requise pour cette option.	String
Entités de prévision en entrée	Entités pour lesquelles la prévision sera effectuée. L’entrée doit comprendre certains des champs ou tous les champs nécessaires pour déterminer la valeur de variable dépendante. Ce paramètre est requis si le paramètre Type de prévision est défini sur Prévoir l’entité.	Feature Layer; Table View; Feature Class
Rasters explicatifs (Facultatif)	Liste des rasters contenant les rasters explicatifs nécessaires pour déterminer la valeur de variable dépendante. Ce paramètre est requis si le paramètre Type de prévision est défini sur Prévoir le raster.	Raster Layer
Entités de distance (Facultatif)	Entités ponctuelles ou surfaciques dont les distances par rapport aux entités d’entraînement en entrée sont estimées automatiquement et ajoutées comme variables explicatives. Les distances entre chacune des entités de distance d’entraînement explicatives en entrée et les entités d’entraînement en entrée les plus proches sont calculées. Si les entités de distance d’entraînement explicatives en entrée sont des polygones, les attributs de distance sont calculés comme étant la distance entre les segments les plus proches de la paire d’entités.	Feature Layer
Entités de prévision en sortie	Table ou classe d’entités en sortie.	Feature Class; Table
Surface de prévision en sortie	Chemin d’accès où le raster de prévision en sortie sera enregistré.	Folder
Apparier les variables explicatives (Facultatif)	Appariement des noms de champ du jeu de prévision et du jeu d’entraînement. Utilisez ce paramètre si les noms de champ des jeux d’entraînement et de prévision sont différents. Les valeurs sont les noms de champ du jeu de données de prévision qui correspondent aux noms de champ de la classe d’entités en entrée.	Value Table
Apparier les variables de distance (Facultatif)	Appariement des noms d’entités de distance du jeu de prévision et du jeu d’entraînement. Utilisez ce paramètre si les noms d’entités de distance utilisés dans les jeux d’entraînement et de prévision sont différents. Les valeurs de chaîne sont les noms d’entités utilisés pour la prévision qui correspondent aux noms d’entités de distance utilisés pour l’entraînement.	Value Table
Apparier les rasters explicatifs (Facultatif)	Appariement des noms des rasters de prévision et des rasters d’entraînement. Utilisez ce paramètre si les noms des rasters explicatifs utilisés pour la prévision et les noms des rasters correspondants utilisés pendant l’entraînement sont différents. Les valeurs de chaîne sont les noms des rasters explicatifs utilisés pour la prévision qui correspondent aux noms des rasters explicatifs utilisés pour l’entraînement.	Value Table
Obtenir une explication pour chaque prévision (Facultatif)	Indique si les champs représentant l’importance des entités sont ajoutés. Activé : les champs représentant l’importance des entités sont ajoutés. Des champs sont générés pour chaque échantillon prévu avec les valeurs de prévision. Désactivé : aucun champ représentant l’importance des entités n’est généré. Il s’agit de l’option par défaut.	Boolean

arcpy.geoai.PredictUsingAutoML(in_model_definition, prediction_type, in_features, {explanatory_rasters}, {distance_features}, out_prediction_features, out_prediction_surface, {match_explanatory_variables}, {match_distance_variables}, {match_explanatory_rasters}, {get_prediction_explanations})

Nom	Explication	Type de données
in_model_definition	Fichier .dlpk ou fichier .emd.	File
prediction_type	Spécifie le type de fichier en sortie à créer. PREDICT_FEATURE—Une couche d’entités contenant les valeurs de prévision sera créée. La valeur Entités de prévision en sortie est requise pour cette option. PREDICT_RASTER—Une couche raster contenant les valeurs de prévision sera créée. La valeur Surface de prévision en sortie est requise pour cette option.	String
in_features	Entités pour lesquelles la prévision sera effectuée. L’entrée doit comprendre certains des champs ou tous les champs nécessaires pour déterminer la valeur de variable dépendante. Ce paramètre est requis si le paramètre prediction_type est défini sur PREDICT_FEATURE.	Feature Layer; Table View; Feature Class
explanatory_rasters [explanatory_rasters,...] (Facultatif)	Liste des rasters contenant les rasters explicatifs nécessaires pour déterminer la valeur de variable dépendante. Ce paramètre est requis si le paramètre prediction_type est défini sur PREDICT_RASTER.	Raster Layer
distance_features [distance_features,...] (Facultatif)	Entités ponctuelles ou surfaciques dont les distances par rapport aux entités d’entraînement en entrée sont estimées automatiquement et ajoutées comme variables explicatives. Les distances entre chacune des entités de distance d’entraînement explicatives en entrée et les entités d’entraînement en entrée les plus proches sont calculées. Si les entités de distance d’entraînement explicatives en entrée sont des polygones, les attributs de distance sont calculés comme étant la distance entre les segments les plus proches de la paire d’entités.	Feature Layer
out_prediction_features	Table ou classe d’entités en sortie.	Feature Class; Table
out_prediction_surface	Chemin d’accès où le raster de prévision en sortie sera enregistré.	Folder
match_explanatory_variables [match_explanatory_variables,...] (Facultatif)	Appariement des noms de champ du jeu de prévision et du jeu d’entraînement. Utilisez ce paramètre si les noms de champ des jeux d’entraînement et de prévision sont différents. Les valeurs sont les noms de champ du jeu de données de prévision qui correspondent aux noms de champ de la classe d’entités en entrée.	Value Table
match_distance_variables [match_distance_variables,...] (Facultatif)	Appariement des noms d’entités de distance du jeu de prévision et du jeu d’entraînement. Utilisez ce paramètre si les noms d’entités de distance utilisés dans les jeux d’entraînement et de prévision sont différents. Les valeurs de chaîne sont les noms d’entités utilisés pour la prévision qui correspondent aux noms d’entités de distance utilisés pour l’entraînement.	Value Table
match_explanatory_rasters [match_explanatory_rasters,...] (Facultatif)	Appariement des noms des rasters de prévision et des rasters d’entraînement. Utilisez ce paramètre si les noms des rasters explicatifs utilisés pour la prévision et les noms des rasters correspondants utilisés pendant l’entraînement sont différents. Les valeurs de chaîne sont les noms des rasters explicatifs utilisés pour la prévision qui correspondent aux noms des rasters explicatifs utilisés pour l’entraînement.	Value Table
get_prediction_explanations (Facultatif)	Indique si les champs représentant l’importance des entités sont ajoutés. TRUE—Les champs représentant l’importance des entités sont ajoutés. Des champs sont générés pour chaque échantillon prévu avec les valeurs de prévision. FALSE—Aucun champ représentant l’importance des entités n’est généré. Il s’agit de l’option par défaut.	Boolean

Exemple de code

PredictUsingAutoML (script autonome)

Cet exemple illustre l’utilisation de la fonction PredictUsingAutoML.


# Description: Predicts on feature or tabular data with the trained model 
#              obtained by the TrainUsingAutoML function.

# Import system modules
import arcpy
import os

# Set local variables
datapath  = "path_to_data_for_prediction" 
out_path = "path_to_gdb_for_predicted"

model_path = os.path.join(out_path, "model.dlpk")
in_features = os.path.join(datapath, "test_data.gdb", "test_data")
out_features = os.path.join(out_path, "predicted_feature.gdb", "predicted")

# Run Predict Using AutoML Model 
r = arcpy.geoai.PredictUsingAutoML(model_path, "PREDICT_FEATURES",
                                   in_features,
                                   None, None, out_features, None, None, None, True)

Environnements

Système de coordonnées en sortie, Transformations géographiques

Informations de licence

Basic: Non
Standard: Non
Advanced: Oui

Rubriques connexes

Vous avez un commentaire à formuler concernant cette rubrique ?