oraclesai.pipeline.SpatialPipeline
- class SpatialPipeline(steps, memory=None, verbose=False)
SpatialPipelineは、scikit-learnパイプラインのようなものですが、空間列を受け入れ、空間重みオブジェクトなどの空間情報を使用またはコンピュートする空間エスティメータを含めることもできます。 SpatialPipelineおよびその他の複合空間エスティメータ(SpatialFeatureUnion、SpatialColumnTransformerなど)は、SpatialDataFrameまたはGeoPandasのGeoDataFrameと直接連携して、適切な情報をそのステップに配信できます。つまり、空間データは空間エスティメータにのみ渡され、通常の非空間エスティメータでは省略されます。 実際には、空間パイプラインおよびその他の複合空間エスティメータは、通常のscikit-learnパイプラインとまったく同じように見えて動作します。ただし、その適合性、変換および予測メソッド(およびこれらのメソッドのバリエーション)の場合、
XパラメータもSpatialDataFrameまたはGeoPandas GeoDataFrame型にできます。 さらに、パイプライン内の適切な空間エスティメータに渡すことができる、明確に定義された空間パラメータのセットを受け入れます。geometries: shapelyジオメトリの1D配列。
Xが空間型の場合、必要ありません。crs: 文字列またはPyProj CRS。 この情報は、空間型の場合に
Xから抽出できます。spatial_weights_definition: SpatiaWeightsDefinitionオブジェクト。
spatial_weights: SpatialWeightsオブジェクトまたはPySAL重みオブジェクト。
spatial_index: ジオメトリの空間インデックス。
メソッド
__init__(steps[, memory, verbose])add_metric_info(metric_name, result[, ...])decision_function(X, **params)データを変換し、最終的なエスティメータでdecision_functionを適用します。
fit(X[, y])パイプライン内のすべてのトランスフォーマに適合し、最後に最終エスティメータの
fitメソッドをコールします。fit_predict(X[, y])パイプライン内のすべてのトランスフォーマに適合します。
fit_transform(X[, y])パイプライン内のすべてのトランスフォーマに適合します。
get_feature_names_out([input_features])変換の出力機能名を取得します。
get_params([deep])このエスティメータのパラメータを取得します。
inverse_transform([X, Xt])各ステップにinverse_transformを逆順に適用します。
predict(X[, y])パイプライン内の各トランスフォーマの
transformメソッドをコールします。predict_log_proba(X, **params)データを変換し、最終的なエスティメータでpredict_log_probaを適用します。
predict_proba(X, **params)データを変換し、最終的なエスティメータでpredict_probaを適用します。
score(X, y[, sample_weight])パイプライン内の各トランスフォーマの
transformメソッドをコールします。score_samples(X)データを変換し、最終的なエスティメータでscore_samplesを適用します。
set_fit_input(X[, geometries, y, ...])set_params()このエスティメータのパラメータを設定します。
transform(X[, y])パイプライン内の各トランスフォーマのtransformメソッドをコールしてデータを変換します。
属性
classes_クラスのラベル。
feature_names_in_最初のステップfitメソッドで表示される機能の名前。
metrics_infon_features_in_最初のステップfitメソッドで検出された機能の数。
パイプライン内のすべてのステップを返します
named_stepsステップに名前でアクセスします。
predict_input_infopredict_output_infosteps