Earth Engine, paylaşılan bilgi işlem kaynaklarını korumak ve herkes için güvenilir performans sağlamak amacıyla ticari olmayan kota katmanlarını kullanıma sunuyor. Ticari olmayan tüm projelerin 27 Nisan 2026'ya kadar bir kota katmanı seçmesi gerekir. Aksi takdirde varsayılan olarak Topluluk Katmanı kullanılır. Katman kotaları, 27 Nisan 2026'dan itibaren tüm projeler için (katman seçim tarihinden bağımsız olarak) geçerli olacaktır. Daha fazla bilgi edinin.
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.
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.
[[["Anlaması kolay","easyToUnderstand","thumb-up"],["Sorunumu çözdü","solvedMyProblem","thumb-up"],["Diğer","otherUp","thumb-up"]],[["İhtiyacım olan bilgiler yok","missingTheInformationINeed","thumb-down"],["Çok karmaşık / çok fazla adım var","tooComplicatedTooManySteps","thumb-down"],["Güncel değil","outOfDate","thumb-down"],["Çeviri sorunu","translationIssue","thumb-down"],["Örnek veya kod sorunu","samplesCodeIssue","thumb-down"],["Diğer","otherDown","thumb-down"]],["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"]]