| ラベル | 説明 | データ タイプ |
モデル定義 | .dlpk ファイルまたは .emd ファイル。 | File |
予測タイプ | 作成される出力ファイルのタイプを指定します。
| String |
入力予測フィーチャ | 予測の取得元のフィーチャ。 入力には、従属変数値を決定するために必要なフィールドの一部またはすべてを含む必要があります。 このパラメーターは、[予測タイプ] パラメーターが [フィーチャを予測] に設定されている場合に必要です。 | Feature Layer; Table View; Feature Class |
説明ラスター (オプション) | 従属変数値を決定するために必要な説明ラスターを含むラスターのリスト。 このパラメーターは、[予測タイプ] パラメーターが [ラスターを予測] に設定されている場合に必要です。 | Raster Layer |
距離フィーチャ (オプション) | ポイントまたはポリゴン フィーチャの入力トレーニング フィーチャからの距離が自動的に推定され、説明変数として追加されます。 入力された各説明トレーニング距離フィーチャから最近隣の入力トレーニング フィーチャまでの距離が算出されます。 入力説明トレーニング距離フィーチャがポリゴンの場合、距離の属性は、フィーチャのペアの最も近いセグメント間の距離として計算されます。 | Feature Layer |
出力予測フィーチャ | 出力テーブルまたはフィーチャクラス。 | Feature Class; Table |
出力予測サーフェス | 出力予測ラスターが保存されるパス。 | Folder |
説明変数の照合 (オプション) | 予測セットからトレーニング セットへのフィールド名のマッピング。 このパラメーターは、トレーニング セットと予測セットのフィールド名が異なる場合に使用します。 値は、入力フィーチャクラスのフィールド名と一致する予測データセット内のフィールド名です。 | Value Table |
距離変数の一致 (オプション) | 予測セットからトレーニング セットへの距離フィーチャ名のマッピング。 このパラメーターは、トレーニング セットと予測セットで使用されている距離フィーチャ名が異なる場合に使用します。 文字列の値は、トレーニング中に使用されたフィーチャ前と一致する、予測に使用された距離フィーチャ名です。 | Value Table |
説明ラスターの照合 (オプション) | 予測ラスターからトレーニング ラスターへの名前のマッピング。 このパラメーターは、予測に使用する説明ラスターの名前と、トレーニング時に使用する対応ラスターの名前が異なる場合に使用します。 文字列の値は、トレーニング中に使用された説明ラスターの名前と一致する、予測に使用された説明ラスター名です。 | Value Table |
すべての予測で説明を表示 (オプション) | フィーチャ重要度を表すフィールドを追加するかどうかを指定します。
| Boolean |
サマリー
[AutoML を使用したトレーニング (Train Using AutoML)] ツールで生成されたトレーニング済みの .dlpk モデルを使用して、まだ確認されていない互換性のあるデータセットで連続変数 (回帰) またはカテゴリ変数 (分類) を予測します。
使用法
AllSource に Python の適切なディープ ラーニング フレームワーク パッケージをインストールする必要があります。
入力は Esri モデル定義ファイル (.emd) またはディープ ラーニング パッケージ ファイル (.dlpk) です。これは、[AutoML を使用したトレーニング (Train Using AutoML)] ツールを使用して作成できます。
Spatial Analyst ライセンスは、ラスターを説明変数として使用する場合または [出力予測サーフェス] に関して予測を行う場合に必要となります。
このツールの実行要件および発生する可能性のある問題の詳細については、「ディープ ラーニングに関するよくあるご質問 (FAQ)」をご参照ください。
パラメーター
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})| 名前 | 説明 | データ タイプ |
in_model_definition | .dlpk ファイルまたは .emd ファイル。 | File |
prediction_type | 作成される出力ファイルのタイプを指定します。
| String |
in_features | 予測の取得元のフィーチャ。 入力には、従属変数値を決定するために必要なフィールドの一部またはすべてを含む必要があります。 このパラメーターは、prediction_type パラメーターが PREDICT_FEATURE に設定されている場合に必須です。 | Feature Layer; Table View; Feature Class |
explanatory_rasters [explanatory_rasters,...] (オプション) | 従属変数値を決定するために必要な説明ラスターを含むラスターのリスト。 このパラメーターは、prediction_type パラメーターが PREDICT_RASTER に設定されている場合に必須です。 | Raster Layer |
distance_features [distance_features,...] (オプション) | ポイントまたはポリゴン フィーチャの入力トレーニング フィーチャからの距離が自動的に推定され、説明変数として追加されます。 入力された各説明トレーニング距離フィーチャから最近隣の入力トレーニング フィーチャまでの距離が算出されます。 入力説明トレーニング距離フィーチャがポリゴンの場合、距離の属性は、フィーチャのペアの最も近いセグメント間の距離として計算されます。 | Feature Layer |
out_prediction_features | 出力テーブルまたはフィーチャクラス。 | Feature Class; Table |
out_prediction_surface | 出力予測ラスターが保存されるパス。 | Folder |
match_explanatory_variables [match_explanatory_variables,...] (オプション) | 予測セットからトレーニング セットへのフィールド名のマッピング。 このパラメーターは、トレーニング セットと予測セットのフィールド名が異なる場合に使用します。 値は、入力フィーチャクラスのフィールド名と一致する予測データセット内のフィールド名です。 | Value Table |
match_distance_variables [match_distance_variables,...] (オプション) | 予測セットからトレーニング セットへの距離フィーチャ名のマッピング。 このパラメーターは、トレーニング セットと予測セットで使用されている距離フィーチャ名が異なる場合に使用します。 文字列の値は、トレーニング中に使用されたフィーチャ前と一致する、予測に使用された距離フィーチャ名です。 | Value Table |
match_explanatory_rasters [match_explanatory_rasters,...] (オプション) | 予測ラスターからトレーニング ラスターへの名前のマッピング。 このパラメーターは、予測に使用する説明ラスターの名前と、トレーニング時に使用する対応ラスターの名前が異なる場合に使用します。 文字列の値は、トレーニング中に使用された説明ラスターの名前と一致する、予測に使用された説明ラスター名です。 | Value Table |
get_prediction_explanations (オプション) | フィーチャ重要度を表すフィールドを追加するかどうかを指定します。
| Boolean |
コードのサンプル
この例では、PredictUsingAutoML 関数を使用する方法を示します。
# 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)