Wprowadzamy w Earth Engine poziomy limitów niekomercyjnych, aby chronić współdzielone zasoby obliczeniowe i zapewnić niezawodną wydajność dla wszystkich. We wszystkich projektach niekomercyjnych trzeba będzie wybrać poziom limitu do 27 kwietnia 2026 r.. W przeciwnym razie zostanie im przydzielony poziom Społeczność. Limity poziomu zaczną obowiązywać we wszystkich projektach (niezależnie od daty wyboru poziomu) od 27 kwietnia 2026 r.Więcej informacji
ee.Clusterer.train
Zadbaj o dobrą organizację dzięki kolekcji
Zapisuj i kategoryzuj treści zgodnie ze swoimi preferencjami.
Trenuje klasteryzator na zbiorze cech, używając określonych właściwości liczbowych każdej cechy jako danych treningowych. Geometria obiektów jest ignorowana.
Kolekcja, na której ma być przeprowadzane trenowanie.
inputProperties
Lista, domyślna: null
Lista nazw właściwości, które mają być uwzględnione w danych treningowych. Każda cecha musi mieć wszystkie te właściwości, a ich wartości muszą być liczbowe. Ten argument jest opcjonalny, jeśli kolekcja wejściowa zawiera właściwość „band_order” (jak w przypadku danych wyjściowych funkcji Image.sample).
subsampling
Liczba zmiennoprzecinkowa, domyślnie: 1
Opcjonalny współczynnik próbkowania podrzędnego z zakresu (0, 1].
subsamplingSeed
Liczba całkowita, domyślnie: 0
Wartość początkowa randomizacji do użycia w próbkowaniu.
[[["Łatwo zrozumieć","easyToUnderstand","thumb-up"],["Rozwiązało to mój problem","solvedMyProblem","thumb-up"],["Inne","otherUp","thumb-up"]],[["Brak potrzebnych mi informacji","missingTheInformationINeed","thumb-down"],["Zbyt skomplikowane / zbyt wiele czynności do wykonania","tooComplicatedTooManySteps","thumb-down"],["Nieaktualne treści","outOfDate","thumb-down"],["Problem z tłumaczeniem","translationIssue","thumb-down"],["Problem z przykładami/kodem","samplesCodeIssue","thumb-down"],["Inne","otherDown","thumb-down"]],["Ostatnia aktualizacja: 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"]]