Résumé
Identifie les entités candidates les plus semblables (ou dissemblables) à une ou plusieurs entités en entrée en fonction d'attributs d'entités.
Pour plus d'informations sur le fonctionnement de l'outil Recherche de similarité
Illustration
Utilisation
Vous allez fournir une couche contenant les valeurs du paramètre Input Features To Match (Entités en entrée à apparier) et une seconde couche contenant les valeurs du paramètre Candidate Features (Entités candidates) à partir desquelles les appariements seront obtenus. Ces valeurs résident souvent dans la même couche d’entités. Il est possible de créer deux jeux de données distincts, mais il est peut-être préférable de créer des couches avec deux jeux de sélection différents pour plus de simplicité. Si, par exemple, vous possédez un fichier contenant les délits qui ont eu lieu au cours du mois précédent et que vous désirez rechercher tous les incidents ayant les mêmes particularités que ceux liés à des vols de voiture avec menaces ou violence (car-jacking), vous pouvez procéder comme suit :
- À l’aide des outils de sélection ArcMap ou des outils de géotraitement standard, sélectionnez l’enregistrement du dernier car-jacking dans la couche contenant tous les délits.
- Cliquez avec le bouton droit sur la couche comportant la sélection, puis choisissez Sélection > Créer une couche à partir des entités sélectionnées. Utilisez cette nouvelle couche pour le paramètre Entités en entrée à apparier.
- Inversez la sélection sur la couche comportant tous les délits. Utilisez cette couche pour le paramètre Entités candidates.
S’il existe plusieurs valeurs pour le paramètre Input Features To Match (Entités en entrée à apparier), l’appariement repose sur les valeurs moyennes des valeurs du paramètre Attributes of Interest (Attributs d’intérêt). Si, par exemple, il existe deux valeurs pour le paramètre Input Features To Match (Entités en entrée à apparier) et que l’une des valeurs du paramètre Attributes of Interest (Attributs d’intérêt) est une variable de population, l’outil recherche les valeurs du paramètre Candidate Features (Entités candidates) dont la population s’approche le plus des valeurs de population moyennes. Si les valeurs de population sont de 100 et 102, par exemple, l’outil examine les candidats dont la population avoisine 101.
Les valeurs du paramètre Output Features (Entités en sortie) contiendront toujours des points, sauf si les valeurs du paramètre Input Features To Match (Entités en entrée à apparier) et les valeurs du paramètre Candidate Features (Entités candidates) sont des polygones ou des polylignes. La création de valeurs pour le paramètre Output Features (Entités en sortie) de type polygone ou polyligne risque de ralentir les performances pour les jeux de données volumineux. Sélectionnez Collapse Output To Points (Réduire la sortie en points) pour forcer les géométries ponctuelles et optimiser les performances.
Avec le paramètre Most Or Least Similar (Les plus ou les moins similaires), vous pouvez rechercher les entités qui sont les plus similaires (MOST_SIMILAR) ou les moins similaires (LEAST_SIMILAR) aux valeurs Input Features To Match (Entités en entrée à apparier). Dans certains cas, vous pouvez avoir besoin de consulter tous les cas de figure. Si vous saisissez 3 pour le paramètre Number of Results (Nombre de résultats) et choisissez BOTH pour le paramètre Most Or Least Similar (Les plus ou les moins similaires), par exemple, l’outil renvoie les trois entités candidates les plus similaires et les trois entités candidates les moins similaires.
Les solutions données dans le paramètre Output Features (Entités en sortie) sont soit la solution la plus similaire soit la moins similaire au paramètre Input Features To Match (Entités en entrée à apparier) cibles. Une seule solution ne peut pas être les deux à la fois (et les solutions ne sont pas dupliquées dans le paramètre Output Features (Entités en sortie)). En conséquence, lorsque vous sélectionnez Both (Les deux) pour le paramètre Most Or Least Similar (Les plus ou les moins similaires), le nombre maximal de résultats possibles (Number of Results (Nombre de résultats)) correspond à la moitié du nombre de valeurs du paramètre Candidate Features (Entités candidates). Lorsque vous saisissez une valeur pour Number of Results (Nombre de résultats) qui est trop élevée, l’outil l’ajuste sur la valeur maximale possible.
Pour explorer le modèle spatial de similarité, vous pouvez être amené à classer la similarité de toutes les valeurs Candidate Features (Entités candidates). Pour cela, saisissez 0 pour le paramètre Number of Results (Nombre de résultats). L’outil identifiera le nombre d’entités valides dans le jeu de données des entités candidates et les inscrit toutes dans le paramètre Output Features (Entités en sortie) en les classant des plus similaires aux moins similaires.
Les options du paramètre Match Method (Méthode d’appariement) sont ATTRIBUTE_VALUES, RANKED_ATTRIBUTE_VALUES et ATTRIBUTE_VALUES.
- ATTRIBUTE_VALUES : les candidats les plus similaires auront la plus petite somme des différences au carré pour toutes les valeurs Attributes of Interest (Attributs d’intérêt). Toutes les valeurs sont normalisées avant le calcul des différences.
- RANKED_ATTRIBUTE_VALUES : les candidats les plus similaires auront la plus petite somme des classements au carré pour toutes les valeurs Attributes of Interest (Attributs d’intérêt). Le paramètre Output Features (Entités en sortie) rend compte de ces sommes dans le champ SIMINDEX (somme des différences de classement au carré).
- ATTRIBUTE_PROFILES : la similarité cosinusoïdale est mesurée. La similarité cosinusoïdale étudie les relations identiques parmi les valeurs attributaires normalisées au lieu de se préoccuper de l’appariement des amplitudes des attributs. Par exemple, il existe quatre valeurs Attributes of Interest (Attributs d’intérêt) appelées A1, A2, A3 et A4. A2 est deux fois plus grand qu’A1, A3 est presque identique à A2. Quant à A4, il est trois fois plus grand qu’A3. Pour la méthode ATTRIBUTE_PROFILES, l’outil va examiner les candidats présentant les mêmes relations attributaires : deux fois plus grand, puis presque égal, enfin trois fois plus grand. Comme cette méthode étudie les relations attributaires, vous devez spécifier un minimum de deux valeurs Attributes of Interest (Attributs d’intérêt). Vous pouvez utiliser la méthode de similarité cosinusoïdale (ATTRIBUTE_PROFILES) pour rechercher des lieux, tels que Los Angeles mais à une échelle globale moindre. L'index de similarité cosinusoïdale s'étend de 1,0 (similarité parfaite) à -1,0 (dissemblance parfaite). L’index de similarité cosinusoïdale est indiqué dans le champ SIMINDEX (similarité cosinusoïdale) du paramètre Output Features (Entités en sortie).
Les valeurs du paramètre Attributes of Interest (Attributs d’intérêt) doivent être numériques et être présentes (même nom de champ et même type de champ) à la fois dans les jeux de données Input Features To Match (Entités en entrée à apparier) et Candidate Features (Entités candidates). Pour le paramètre Attributs d'intérêt, l'outil répertorie tous les champs numériques trouvés dans le jeu de données Entités en entrée à apparier. Si l’outil ne trouve aucun champ correspondant pour Candidate Features (Entités candidates), un avertissement indique que les attributs manquants ont été ignorés dans l’analyse. Si toutes les valeurs Attributes of Interest (Attributs d’intérêt) sont ignorées, aucun appariement n’a lieu et un message d’erreur indiquant que l’outil ne peut pas réaliser l’analyse apparaît.
Tous les attributs utilisés pour l’appariement sont inscrits dans le paramètre Output Features (Entités en sortie). Le paramètre Fields To Append To Output (Champs à ajouter à la sortie) vous permet d’inclure d’autres champs dans la table en sortie. Comme les champs numériques Attributes of Interest (Attributs d’intérêt) ne sont pas des identifiants efficaces, vous pouvez ajouter un nom ou un autre champ d’identification pour chaque solution. Si vous devez choisir entre plusieurs solutions, vous pouvez également ajouter d’autres attributs non numériques. Si la solution que vous recherchez doit être un type d’utilisation du sol parmi plusieurs, l’ajout d’un attribut d’utilisation du sol catégoriel vous aidera, par exemple, à identifier les solutions qui répondent à ce critère. Vous pouvez également inclure des attributs numériques supplémentaires dans la table en sortie afin de les utiliser en référence uniquement. Imaginons, par exemple, que vous recherchiez un habitat propice à une espèce animale en particulier. Vous pouvez utiliser les endroits connus comme étant appréciés de l’espèce pour le jeu de données du paramètre Input Features To Match (Entités en entrée à apparier). Vous pouvez sélectionner les valeurs Attributes of Interest (Attributs d’intérêt) qui ont trait au bien-être de l’espèce. Vous pouvez en outre ajouter un attribut de superficie numérique dans les valeurs du paramètre Output Features (Entités en sortie), non pas parce que vous souhaitez réaliser l’appariement en fonction de la superficie de la cible, mais parce que votre finalité est de rechercher des solutions avec la plus grande superficie possible.
Toutes les valeurs du paramètre Input Features To Match (Entités en entrée à apparier) et les solutions sont inscrites dans le paramètre Output Features (Entités en sortie) avec les paramètres Attributes of Interest (Attributs d’intérêt) et Fields To Append To Output (Champs à ajouter à la sortie). De plus, les champs suivants sont inclus dans les entités en sortie :
Nom de champ Alias du champ Description Remarques MATCH_ID
MATCH_ID
Toutes les entités cibles de la couche Input Features To Match (Entités en entrée à apparier) sont répertoriées en premier avec leur identifiant OID ou FID inscrit dans le champ MATCH_ID. Les solutions ont des valeurs NULL pour ce champ.
Lorsque la valeur Output Features (Entités en sortie) est un shapefile, les valeurs NULL sont représentées par un nombre négatif très important (par exemple, -21474836).
CAND_ID
CAND_ID
Toutes les solutions sont ensuite répertoriées et cette valeur est leur identifiant OID ou FID. Les entités cibles dans la couche Entités en entrée à apparier ont des valeurs NULL pour ce champ.
Lorsque la valeur Output Features (Entités en sortie) est un shapefile, les valeurs NULL sont représentées par un nombre négatif très important (par exemple, -21474836).
SIMRANK
Classement de similarité
Lorsque vous sélectionnez MOST_SIMILAR ou BOTH pour le paramètre Match Method (Méthode d’appariement), toutes les solutions sont classées des plus similaires aux moins similaires. La valeur de classement de la solution la plus similaire est de 1.
Ce champ est inclus uniquement dans les valeurs Output Features (Entités en sortie) lorsque vous choisissez MOST_SIMILAR ou BOTH pour le paramètre Match Method (Méthode d’appariement).
DSIMRANK
Classement de dissemblance
Lorsque vous sélectionnez LEAST_SIMILAR ou BOTH pour le paramètre Match Method (Méthode d’appariement), toutes les solutions sont classées des moins similaires aux plus similaires. La valeur de classement de la solution la moins similaire est de 1.
Ce champ est inclus uniquement dans les valeurs Output Features (Entités en sortie) lorsque vous choisissez LEAST_SIMILAR ou BOTH pour le paramètre Match Method (Méthode d’appariement).
SIMINDEX
Somme des différences de valeurs au carré, Somme des différences de classement au carré ou Similarité cosinusoïdale
Ce champ quantifie la similarité de chaque solution par rapport à l'entité cible.
- Lorsque vous spécifiez ATTRIBUTE_VALUES pour le paramètre Match Method (Méthode d’appariement), l’alias de champ est Sum of Squared Value Differences.
- Lorsque vous spécifiez RANKED_ATTRIBUTE_VALUES pour le paramètre Match Method (Méthode d’appariement), l’alias de champ est Sum of Squared Rank Differences.
- Lorsque vous spécifiez ATTRIBUTE_PROFILES pour le paramètre Match Method (Méthode d’appariement), l’alias de champ est Cosine Similarity.
Si une seule valeur figure dans le paramètre Input Features To Match (Entités en entrée à apparier) est présente, l’entité cible est cette entité. Si plusieurs valeurs sont spécifiées pour le paramètre Input Features To Match (Entités en entrée à apparier), l’entité cible est l’entité temporaire créée avec les valeurs moyennes de toutes les valeurs Attributes of Interest (Attributs d’intérêt).
LABELRANK
Classement de rendu
Ce champ est fourni uniquement à des fins d'affichage. L'outil utilise ce champ pour fournir le rendu par défaut des résultats d'analyse.
La couche Output Features (Entités en sortie) est ajoutée automatiquement à la table des matières et le rendu par défaut est appliqué au champ LABELRANK. Le rendu appliqué est défini par un fichier de couche dans <ArcGIS>/Desktop10.x/ArcToolbox/Templates/Layers. Vous pouvez appliquer à nouveau le rendu par défaut, si nécessaire, en important la symbologie des couches modèle.
Syntaxe
arcpy.stats.SimilaritySearch(Input_Features_To_Match, Candidate_Features, Output_Features, Collapse_Output_To_Points, Most_Or_Least_Similar, Match_Method, Number_Of_Results, Attributes_Of_Interest, {Fields_To_Append_To_Output})| Paramètre | Explication | Type de données |
Input_Features_To_Match | La couche, ou une sélection sur une couche, contenant les entités que vous voulez apparier. Vous recherchez d’autres entités ressemblant à ces entités. Lorsque plusieurs entités sont fournies, l'appariement repose sur la moyenne des attributs. | Feature Layer |
Candidate_Features | La couche, ou une sélection sur une couche, contenant les entités correspondant aux entités candidates. L’outil examine les entités les plus similaires (ou les plus dissemblables) aux valeurs Input_Features_To_Match parmi ces candidates. | Feature Layer |
Output_Features | Classe d’entités en sortie contenant un enregistrement pour chacune des valeurs Input_Features_To_Match pour toutes les solutions trouvées. | Feature Class |
Collapse_Output_To_Points | Spécifie si la géométrie du paramètre Output_Features sera réduite aux points ou correspondra à la géométrie d’origine (lignes ou polygones) des entités en entrée si les valeurs des paramètres Input_Features_To_Match et Candidate_Features sont toutes des lignes ou des polygones. Ce paramètre n’est disponible que pour les licences Desktop Advanced. Vous pouvez optimiser les performances de l’outil pour les jeux de données lignes ou polygones volumineux en choisissant COLLAPSE.
| Boolean |
Most_Or_Least_Similar | Indique si les entités les plus similaires ou les moins similaires aux valeurs Input_Features_To_Match seront identifiées.
| String |
Match_Method | Indique si les appariements doivent reposer sur des valeurs, des classement ou des relations cosinusoïdales.
| String |
Number_Of_Results | Le nombre de solutions à rechercher. Pour classer toutes les entités candidates, saisissez zéro ou un nombre supérieur au nombre total de Candidate_Features. La valeur par défaut est 10. | Long |
Attributes_Of_Interest [Attributes_Of_Interest,...] | Attributs numériques représentant les critères d’appariement. | Field |
Fields_To_Append_To_Output [Fields_To_Append_To_Output,...] (Facultatif) | Champs à inclure avec le paramètre Output_Features. Ces champs ne sont pas utilisés pour déterminer la similarité. Ils sont inclus uniquement dans le paramètre Output_Features à titre de référence. | Field |
Exemple de code
Exemple 1 d'utilisation de l'outil SimilaritySearch (fenêtre Python)
Le script de fenêtre Python ci-dessous illustre l'utilisation de la fonction SimilaritySearch.
import arcpy
import arcpy.stats as SS
arcpy.env.workspace = r"C:\Analysis"
SS.SimilaritySearch("Crime_selection", "AllCrime", "c:\\Analysis\\CrimeMatches",
"NO_COLLAPSE", "MOST_SIMILAR", "ATTRIBUTE_VALUES", 4,
"HEIGHT;WEIGHT;SEVERITY;DST2CHPSHP", "Name;WEAPON")
Exemple 2 d’utilisation de l’outil SimilaritySearch (script autonome)
Le script Python autonome ci-dessous illustre l'utilisation de la fonction SimilaritySearch.
# Similarity Search of crime data in a metropolitan area
# Import system modules
import arcpy
import os
import arcpy.stats as SS
# Set property to overwrite existing output
arcpy.env.overwriteOutput = True
try:
# Set the current workspace (to avoid having to specify the full path to
# the feature classes each time)
arcpy.env.workspace = r"C:\Analysis"
# Make a layer from the crime feature class
arcpy.MakeFeatureLayer_management("AllCrime", "Crime_selection")
# Select the target crime to match
# Process: Select By Attribute
arcpy.SelectLayerByAttribute_management("Crime_selection", "NEW_SELECTION",
'"OBJECTID" = 1230043')
# Use Similarity Search to find to create groups based on different
# variables or analysis fields
# Process: Group Similar Features
SS.SimilaritySearch("Crime_selection", "AllCrime", "CJMatches",
"NO_COLLAPSE", "MOST_SIMILAR", "ATTRIBUTE_VALUES", 4,
"HEIGHT;WEIGHT;SEVERITY;DST2CHPSHP", "Name;WEAPON")
except:
# If an error occurred when running the tool, print out the error message.
print(arcpy.GetMessages())
Environnements
Informations de licence
- Basic: Oui
- Standard: Oui
- Advanced: Oui