v.classgrass - Dalam Talian di Awan

JADUAL:

NAMA

v.kelas - Mengelaskan data atribut, cth untuk pemetaan tematik

Kata-kata berkaitan

vektor, klasifikasi, jadual atribut, statistik

SINOPSIS

v.kelas
v.kelas - membantu
v.kelas [-g] peta=nama [lapisan=rentetan] ruang=nama [di mana=sql_query] algoritma=rentetan
nbclasses=integer [--membantu] [--kata kerja] [--tenang] [--ui]

Bendera:
-g
Cetak sahaja rehat kelas (tanpa min dan maks)

- membantu
Cetak ringkasan penggunaan

--verbose
Keluaran modul verbose

--senyap
Keluaran modul senyap

--ui
Paksa melancarkan dialog GUI

Parameter:
peta=nama [diperlukan]
Nama peta vektor
Atau sumber data untuk akses OGR langsung

lapisan=rentetan
Nombor atau nama lapisan
Ciri vektor boleh mempunyai nilai kategori dalam lapisan yang berbeza. Nombor ini menentukan
lapisan mana yang hendak digunakan. Apabila digunakan dengan akses OGR langsung ini ialah nama lapisan.
default: 1

ruang=nama [diperlukan]
Nama lajur atau ungkapan

di mana=sql_query
WHERE syarat pernyataan SQL tanpa kata kunci 'di mana'
Contoh: pendapatan < 1000 dan inhab >= 10000

algoritma=rentetan [diperlukan]
Algoritma untuk digunakan untuk pengelasan
Pilihan: int, std, qua, persamaan, mundur
int: selang mudah
std: sisihan piawai
di sini: kuantiti
persamaan: boleh sama (taburan normal)

nbclasses=integer [diperlukan]
Bilangan kelas untuk ditakrifkan

DESCRIPTION

v.kelas mengelaskan data atribut vektor ke dalam kelas, contohnya untuk pemetaan tematik.
Pengelasan boleh pada lajur atau pada ungkapan termasuk beberapa lajur, kesemuanya
jadual yang dipautkan ke peta vektor. Pengguna menunjukkan bilangan kelas yang dikehendaki dan
algoritma untuk digunakan untuk pengelasan. Beberapa algoritma dilaksanakan untuk
pengelasan: selang sama, sisihan piawai, kuantiti, kebarangkalian sama, dan a
algoritma ketakselanjaran yang dibangunkan oleh Jean-Pierre Grimmeau di Universiti Percuma
Brussels (ULB). Ia boleh digunakan untuk memecah pecah kelas ke dalam modul pemetaan tematik seperti
d.vect.tematik (lihat contoh di bawah);

NOTA

. sama selang algoritma hanya membahagikan julat maks-min dengan bilangan jeda ke
tentukan selang antara waktu rehat kelas.

. kuantil algoritma mencipta kelas yang kesemuanya mengandungi lebih kurang bilangan yang sama
pemerhatian.

. standard penyelewengan algoritma mencipta pemisah kelas yang merupakan gabungan min
+/- sisihan piawai. Ia mengira faktor skala (<1) untuk mendarabkan
sisihan piawai agar semua pecahan kelas jatuh ke dalam julat min-maks
nilai data.

. equiprobabilites algoritma mencipta kelas yang boleh sama jika
pengedaran adalah normal. Jika sesetengah rehat kelas berada di luar julat min-maks bagi
nilai data, algoritma mencetak amaran dan mengurangkan bilangan rehat, tetapi
kebarangkalian yang digunakan adalah bilangan rehat yang diminta.

. tidak berpuas hati algoritma secara sistematik mencari ketakselanjaran dalam cerun
lengkung frekuensi terkumpul, dengan menghampiri lengkung ini melalui segmen garis lurus
yang bucunya menentukan pecahan kelas. Anggaran pertama ialah garis lurus yang
menghubungkan dua nod hujung lengkung. Baris ini kemudiannya digantikan dengan dua bahagian
polyline yang nod pusatnya ialah titik pada lengkung yang paling jauh dari yang sebelumnya
garis lurus. Titik pada lengkung yang paling jauh dari garis poli baharu ini kemudiannya dipilih sebagai a
nod baharu untuk mencipta pecahan satu daripada dua segmen sebelumnya, dan seterusnya. Masalah
perbezaan dari segi unit antara dua paksi diselesaikan dengan menskala semula kedua-duanya
amplitud kepada selang antara 0 dan 1. Dalam algoritma asal, prosesnya ialah
terhenti apabila perbezaan antara cerun kedua-dua segmen baharu tidak lagi
ketara (alfa = 0.05). Oleh kerana cerun ialah nisbah antara kekerapan dan
amplitud selang yang sepadan, iaitu ketumpatannya, ini secara berkesan menguji sama ada
kekerapan dua kelas yang baru dicadangkan adalah berbeza daripada yang diperolehi oleh
hanya mengagihkan jumlah frekuensi mereka di antara mereka secara berkadar dengan kelas
amplitud. Dalam pelaksanaan GRASS, algoritma diteruskan, tetapi amaran adalah
dicetak.

CONTOH

Kelaskan lajur pop komune peta kepada 5 kelas menggunakan kuantil:
v.class map=communes column=pop algo=qua nbclasses=5
Contoh ini menggunakan populasi dan kawasan untuk mengira kepadatan penduduk dan untuk menentukan
kelas ketumpatan:
v.class map=communes column=pop/area algo=std nbclasses=5
Contoh berikut menggunakan output d.class dan menyuapnya terus ke dalam
d.vect.tematik:
d.vect.thematic -l map=communes2 column=pop/kawasan \
breaks=`v.class -g map=communes2 column=pop/area algo=std nbcla=5` \
colors=0:0:255,50:100:255,255:100:50,255:0:0,156:0:0

Gunakan v.classgrass dalam talian menggunakan perkhidmatan onworks.net