Descripción general del conjunto de herramientas Analizar patrones

El conjunto de herramientas Analizar patrones contiene herramientas para identificar, cuantificar y visualizar patrones espaciales en datos de entidades.

Las herramientas están integradas y se ejecutan en Apache Spark del mismo modo que otras herramientas de geoprocesamiento de escritorio. Mediante la agregación, regresión, detección y clustering, puede visualizar, comprender e interactuar con big data. Estas herramientas funcionan con datasets grandes y permiten obtener más información de sus datos mediante patrones, tendencias y anomalías. Las herramientas están integradas y se ejecutan en AllSource del mismo modo que otras herramientas de geoprocesamiento de escritorio.

HerramientaDescripción

Calcular densidad

Calcula una magnitud por unidad de área desde entidades de puntos que se encuentran dentro de una vecindad alrededor de cada celda.

Buscar puntos calientes

Dado un conjunto de entidades, identifica puntos calientes y puntos fríos estadísticamente significativos mediante la estadística Gi* de Getis-Ord.

Buscar clústeres de puntos

Busca clústeres de entidades de puntos dentro del ruido colindante en función de su distribución espacial o espaciotemporal.

Clasificación y regresión basadas en bosque

Crea modelos y genera predicciones mediante una adaptación del algoritmo de bosque aleatorio de Leo Breiman y Adele Cutler, que es un método de aprendizaje automático supervisado. Es posible realizar predicciones para ambas variables de categorías (clasificación) y variables continuas (regresión). Las variables explicativas toman la forma de campos de la tabla de atributos de las entidades de entrenamiento. Además de la validación del rendimiento del modelo basándose en datos de entrenamiento, es posible realizar predicciones en las entidades.

Regresión lineal generalizada

Realiza una regresión lineal generalizada (GLR) para generar predicciones o para modelar una variable dependiente en términos de su relación con un conjunto de variables explicativas. Esta herramienta se puede usar para ajustarse a modelos continuos (OLS), binarios (logísticos) y de recuento (Poisson).