Earth Engine sta introducendo livelli di quota non commerciali per salvaguardare le risorse di calcolo condivise e garantire prestazioni affidabili per tutti. Tutti i progetti non commerciali dovranno selezionare un livello di quota entro il 27 aprile 2026, altrimenti verrà utilizzato il livello Community per impostazione predefinita. Le quote di livello entreranno in vigore per tutti i progetti (indipendentemente dalla data di selezione del livello) il 27 aprile 2026. Scopri di più.
ee.Clusterer.train
Mantieni tutto organizzato con le raccolte
Salva e classifica i contenuti in base alle tue preferenze.
Addestra Clusterer su una raccolta di funzionalità utilizzando le proprietà numeriche specificate di ciascuna funzionalità come dati di addestramento. La geometria delle funzionalità viene ignorata.
L'elenco dei nomi delle proprietà da includere come dati di addestramento. Ogni funzionalità deve avere tutte queste proprietà e i relativi valori devono essere numerici. Questo argomento è facoltativo se la raccolta di input contiene una proprietà "band_order" (come prodotto da Image.sample).
subsampling
Virgola mobile, valore predefinito: 1
Un fattore di sottocampionamento facoltativo, compreso tra (0, 1].
subsamplingSeed
Numero intero, valore predefinito: 0
Un seme di randomizzazione da utilizzare per il sottocampionamento.
[[["Facile da capire","easyToUnderstand","thumb-up"],["Il problema è stato risolto","solvedMyProblem","thumb-up"],["Altra","otherUp","thumb-up"]],[["Mancano le informazioni di cui ho bisogno","missingTheInformationINeed","thumb-down"],["Troppo complicato/troppi passaggi","tooComplicatedTooManySteps","thumb-down"],["Obsoleti","outOfDate","thumb-down"],["Problema di traduzione","translationIssue","thumb-down"],["Problema relativo a esempi/codice","samplesCodeIssue","thumb-down"],["Altra","otherDown","thumb-down"]],["Ultimo aggiornamento 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"]]