2019年ArcGIS平台的机器学习和深度学习.pdf

1、ArcGIS平台的机器学习和深度学习人工智能机器学习深度学习ArcGISArcGIS自然语言处理机器人计算机视觉TensorFlowKerasscikit-learnCNTKTheanoIBMWatsonCNN 传统机器学习可以解决空间问题地理属性只是离散数据的一个表达 空间机器学习在计算中考虑地理信息形状，密度，连续性，空间分布ArcGIS平台上的机器学习聚类预测分类In ArcGIS:Spatially Constrained Multivariate Clustering,Multivariate Clustering,Density-based Clustering,Image Seg

2、mentation,Hot Spot Analysis,Cluster and Outlier Analysis,Space Time Pattern Mining聚类In ArcGIS：Maximum Likelihood Classification,Random Trees,Support Vector Machine,Forest-based Classification and Regression分类In ArcGIS:Empirical Bayesian Kriging,Areal Interpolation,EBK Regression Prediction,Ordinary

3、Least Squares Regression and Exploratory Regression,Geographically Weighted Regression,Generalized Linear Regression,Forest-based Classification and Regression预测机器学习还被ArcGIS作为一种方式来选取最佳的参数和优化结果例子EBK 用主成分分析（PCA）来进行降维以提高预测结果基于密度的聚类里的OPTICS方法其他ArcGIS Pro创建和导出训练样本物体检测像素分类ArcGIS Python API-arcgis.learn 模块

4、创建和导出训练样本使用模型来进行物体检测和像素分类训练模型（SingleShotDetector）ArcGIS的深度学习工具与其他框架的融合ArcGISArcGIS是一个开放互操作的平台，允许融合很多辅助的方法和技术ArcGIS API for PythonArcPyR-ArcGIS BridgeArcGIS Notebooks融合Esri致力于推进机器学习和深度学习的方法，以及跨平台的融合方法神经网络时序预测时空插值平台专注于大数据和分布式计算（Spark）简化各种受欢迎的包的融合研究空间机器学习的持续创新未来这个示例我们使用了1990年美国加利福尼亚州房屋售价数据和加州地区的部分地理数据，

5、来给大家简单地介绍ArcGIS Pro的机器学习工具。我们将首先只用数据里提供的非空间信息的字段来训练一个随机森林模型，然后我们将会加入空间数据后，再训练这个模型示例1 机器学习关于数据：该数据是以点的形式来代表某人口普查区内房屋的属性信息，所以属性字段所描述的是该人口普查区内的相关信息。我们要预测的属性字段：median_house_value:房屋价值的中位数用来进行预测的属性字段：housing_median_age:房屋年龄的中位数total_rooms：总共的房间数total_bedrooms：总共的卧室数population：总共的人口households：总共的户数median_

6、income：收入中位数ocean_proximity:离海洋的邻近程度（category）数据来源及简介：https:/ 深度学习1.创建训练集1.Training Sample Manager2.Export Training Data for Deep Learning2.使用TensorFlow训练深度学习模型3.使用深度学习模型识别椰子树1.Detect Objects using Deep Learning4.估测椰子树的健康状况1.计算VARI（Visible Atmospherically Resi