需要 Geostatistical Analyst 许可。
描述
先移除一个数据位置,然后使用其余位置处的数据预测关联数据。该工具的主要用途是,比较预测值与实测值以获取有关某些模型参数的有用信息。
使用方法
在 Python 中使用此工具时,result 对象既包含一个要素类,也包含一个 CrossValidationResult,后者具有以下属性:
- 计数 - 使用的样本总数。
- 平均误差 - 测量值与预测值之间的平均差值。
- 均方根误差 - 表示模型预测结果与测量值的接近程度。此误差越小越好。
- 平均标准误差 - 预测标准误差的平均值。
- 平均值标准化误差 - 标准化误差的平均值。该值应接近于 0。
- 标准化均方根误差 - 如果预测标准误差有效,则该值应接近于 1。如果标准化均方根误差大于 1,则说明您对预测中的可变性估计不足。如果标准化均方根误差小于 1,则说明您对预测中的可变性估计过高。
对于反距离权重、全局多项式插值法、径向基函数 (RBF) 插值法、含障碍的扩散插值法和含障碍的核插值法,只提供“平均误差”和“均方根误差”结果。
可选输出要素类中的字段会在 GA 图层至点工具中进行介绍。
语法
arcpy.ga.CrossValidation(in_geostat_layer, {out_point_feature_class})
参数 | 说明 | 数据类型 |
in_geostat_layer | 要分析的地统计图层。 | Geostatistical Layer |
out_point_feature_class (可选) | 将交叉验证统计信息存储在地统计图层中的各个位置。 | Feature Class |
派生输出
名称 | 说明 | 数据类型 |
count | 使用的样本总数。 | 长整型 |
mean_error | 平均误差 - 测量值与预测值之间的平均差值。 | 双精度型 |
root_mean_square | 均方根误差 - 表示模型预测结果与测量值的接近程度。 | 双精度型 |
average_standard | 平均标准误差 - 预测标准误差的平均值。 | 双精度型 |
mean_standardized | 平均值标准化误差 - 标准误差的平均值。 | 双精度型 |
root_mean_square_standardized | 标准化均方根误差 - 如果预测标准误差有效,该值应接近 1。 | 双精度型 |
代码示例
CrossValidation 示例 1(Python 窗口)
对输入地统计图层执行交叉验证。
import arcpy
arcpy.env.workspace = "C:/gapyexamples/data"
cvResult = arcpy.CrossValidation_ga("C:/gapyexamples/data/kriging.lyr")
print "Root Mean Square error = " + str(cvResult.rootMeanSquare)
CrossValidation 示例 2(独立脚本)
对输入地统计图层执行交叉验证。
# Name: CrossValidation_Example_02.py
# Description: Perform cross validation on an input geostatistical layer.
# Requirements: Geostatistical Analyst Extension
# Import system modules
import arcpy
# Set environment settings
arcpy.env.workspace = "C:/gapyexamples/data"
# Set local variables
inLayer = "C:/gapyexamples/data/kriging.lyr"
# Check out the ArcGIS Geostatistical Analyst extension license
arcpy.CheckOutExtension("GeoStats")
# Execute CrossValidation
cvResult = arcpy.CrossValidation_ga(inLayer)
print "Root Mean Square error = " + str(cvResult.rootMeanSquare)
环境
许可信息
- Basic: 需要 Geostatistical Analyst
- Standard: 需要 Geostatistical Analyst
- Advanced: 需要 Geostatistical Analyst