आउटलिएर्स खोजें
ऑउटलीएर्स खोजें टूल निर्धारित करेगा कि क्या आपके डेटा के स्पेशियल पैटर्न में कोई सांख्यिकीय रूप से महत्वपूर्ण ऑउटलीएर्स है।
- क्या आपके डेटा (अपराध की घटनाएं, पेड़, यातायात दुर्घटनाएं) के पैटर्न में कोई विषम क्षेत्र हैं? आप इतने सुनिश्चित कैसे हो सकते हैं?
- क्या आप ने वास्तव में एक सांख्यिकीय रूप से महत्वपूर्ण ऑउटलीयर्स (खर्च, शिशु मृत्यु दर, लगातार उच्च परीक्षण स्कोर के लिए) की खोज की है या आपका मानचित्र एक अलग कहानी बताएगा यदि जिस तरह से इसे प्रतीकबद्ध किया गया था उसे बदला जाता है?
हर बार जब हम एक मानचित्र देखते हैं, यह हमारी आँखों और हमारे दिमाग के लिए पैटर्न खोजना शुरू करके के प्रयास करना स्वाभाविक है जब कोई मौजूद ना हो। परिणामस्वरूप, यदि आपके डेटा में पैटर्न काम पर वास्तविक स्पेशियल या बस यादृच्छिक मौके के परिणाम हैं, तो यह जानना मुश्किल हो जाता है। यही कारण है कि शोधकर्ता और विश्लेषक स्पेशिअल पैटर्न का पता लगाने के लिए (एनसीलीन लोकल मोरन I) ऑउटलीयर्स खोजें जैसे सांख्यिकीय तरीकों का उपयोग करते हैं। जब आप अपने डेटा में सांख्यिकीय रूप से महत्वपूर्ण ऑउटलीयर्स या क्लस्टरिंग की खोज करते हैं, तो आप के पास बहुमूल्य जानकारी होती है। ऑउटलीयर्स के कब और कहां होने के बारे में जानना आपके द्वारा देखे जा रहे पैटर्न को बढ़ावा देने के बारे में महत्वपूर्ण संकेत प्रदान कर सकता है। अगला कदम है यह जाँच करना कि क्यों बातें उन ऑउटलीयर्स क्षेत्रों में काफी अलग होती हैं। यह जानते हुए कि आवासीय चोरियाँ, उदाहरण के लिए, कम चोरी होने वाले पड़स से घिरे होने के बावजूद एक विशेष पड़ोस में काफी अधिक होती हैं एक महत्वपूर्ण जानकारी है, अगर आप को, प्रभावी रोकथाम रणनीति तैयार करनी हो, पड़ोस में निगरानी कार्यक्रमों आरंभ करना हो, सीमित पुलिस संसाधनों का आवंटन करना हो, गहराई से आपराध की जांच करनी हो, या संभावित संदिग्धों की पहचान करनी हो।
लेयर चुने जिसके लिए ऑउटलीयर्स की गणना की जाएगी
बिंदु या क्षेत्र लेयर जिसमें से ऑउटलीयर्स खोजें जाएंगे।
इसके आउटलिएर्स खोजें
यह विश्लेषण सवालों का जवाब देता है: मेरे डेटा में स्पेशियल ऑउटलीयर्स कहाँ हैं?
यदि आपका डेटा बिंदु हैं और आप चुनते हैं बिंदु संख्या, यह टूल प्रश्न का उत्तर देने के लिए बिंदु फीचर्स की स्पेशियल व्यवस्था का मूल्यांकन करेगा: जहां बिंदु अप्रत्याशित रूप से समूह में हैं या बिखरे हुए हैं?
यदि आप एक फील्ड चुनते हैं, यह टूल सवालों का जवाब देने के लिए प्रत्येक फीचर से जुड़े मानों की स्पेशियल व्यवस्था का मूल्यांकन करेगा, कहाँ निम्न मान उच्च मान से घिरे हुए हैं? कहाँ निम्न मान उच्च मान से घिरे हुए हैं?
इसके भीतर बिंदु संख्या
डिफ़ॉल्ट रूप से आपके बिंदु डेटा के आधार पर टूल द्वारा बनाए गए फिशनेट ग्रिड के बिंदु संख्या होता है। वैकल्पिक रूप से, आप सवाल का जवाब देने के लिए एक षट्भुज ग्रिड के भीतर बिंदुओं की संख्या गिनना या एक क्षेत्र लेयर प्रदान करने (आमतौर पर, यह जनगणना इलाकों, नगर निगम की सीमाओं, या काउंटियों जैसे प्रशासनिक रिपोर्टिंग जिलों को दर्शाएँगे) का चयन कर सकते हैं: प्रत्येक क्षेत्र फीचर के भीतर गिने हुए बिंदुओं की संख्या दी गई है, क्या कोई सांख्यिकीय रूप से महत्वपूर्ण स्थान के उच्च और निम्न बिंदुओं की तुलना उनके पड़ोसियों से है?
निर्धारित करें कि बिंदु कहां संभव हैं
प्रश्न का उत्तर देने के लिए या तो बनाएँ या एक लेयर प्रदान करें जिसमें निर्धारित हो कि घटनाएँ कहां संभव हैं: क्षेत्रों के भीतर, क्या वहां ऐसे स्थान है जहाँ अप्रत्याशित रूप से उच्च या निम्न बिंदु सांद्रता हो?
क्षेत्र फीचर जो आप बनाते हैं या क्षेत्र लेयर में फीचर्स जो आप निर्दिष्ट करते हैं वह निर्धारित करते होने चाहिए कि बिंदु संभवतः कहां हो सकते हैं। इन क्षेत्रों को बनाने के लिए, बनाएँ बटन पर क्लिक करें और क्षेत्र की आकृति बनाने के लिए मानचित्र पर एक स्थान पर क्लिक करें। अतिरिक्त क्षेत्र बनाने के लिए, फिर से बनाएँ बटन पर क्लिक करें और जारी रखने के लिए मानचित्र पर एक स्थान पर क्लिक करें।
भाग
कभी-कभी शायद आप ऐसे पैटर्न का विश्लेषण करना चाहते हैं जो अंतर्निहित वितरण को ध्यान में रखते हैं। उदाहरण के लिए, यदि आपके बिंदु अपराधों को दर्शाते हैं, तो कुल जनसंख्या से विभाजित करने पर अधूरी अपराध संख्या के बजाय प्रति व्यक्ति अपराध का एक विश्लेषण प्राप्त होगा। इसके द्वारा विभाजित करने के लिए एक विशेषता का चयन अक्सर सामान्य बनाने के रूप में जाना जाता है।
Esri जनसंख्या चुनना प्रत्येक क्षेत्र फीचर का जनसंख्या मानों के साथ मूल्य वर्द्धन करेगा, जिन्हें फिर भाग के लिए विशेषता के रूप में इस्तेमाल किया जाएगा। यह विकल्प क्रेडिट का प्रयोग करेगा।
इसके लिए अनुकूल करें
आप गति या सटीकता के लिए अनुकूलन का चयन कर सकते हैं।
यह टूल यह निर्धारित करने के लिए क्रमपरिवर्तन का उपयोग करता है कि यादृच्छिक से आपके डेटा का स्पेशियल पैटर्न कितना अलग है। क्रम परिवर्तन की संख्या बढ़ाने से सटीकता बढ़ जाती है, लेकिन इससे प्रसंस्करण समय भी बढ़ जाता है।
ओवरराइड विकल्प
यह टूल आपके डेटा की विशेषतायों के आधार पर डिफ़ॉल्ट दूरी बैंड और सेल के आकार के लिए अनुकूल सेटिंग्स ढूंढेगा। हालांकि, यदि आप के पास एक विशेष सेल आकार या दूरी बैंड है जो आपके विश्लेषण के लिए मायने रखता है, तो ओवरराइड विकल्प उन मानों को सेट करने के लिए इस्तेमाल किए जा सकते हैं।
जब विभिन्न डेटासेट्स और विशेलेषण चलता है तो ओवरराइड विकल्प भी उपयोगी होते हैं, जो आपको एकाधिक डेटासेट्स में दूरी बैंड और सेल आकार सतत बनाए रखने की अनुमति देता हैं। फिर आप परिणामों की तुलना कर सकते हैं, उदाहरण के लिए, मोटापा और मधुमेह दर या दो अलग अलग वर्षों के लिए अपराध दर भी।
सेल का आकार
इसके भीतर बिंदु की संख्या गिनने के लिए ग्रिड सेल्स के आकार का इस्तेमाल किया जाता है।
जब भीतर बिंदुओं की संख्या गिनने के लिए एक षट्भुज ग्रिड का उपयोग किया जाता है, तो इस दूरी को षट्भुज की ऊंचाई के रूप में प्रयोग किया जाता है।
दूरी बैंड
आपके द्वारा निर्दिष्ट दूरी के भीतर स्थित पड़ोसी फीचर्स के संदर्भ के भीतर प्रत्येक फीचर का विश्लेषण किया जाता है। टूल आप के लिए एक डिफ़ॉल्ट दूरी की गणना करेगा या आप इस विकल्प का उपयोग एक विशिष्ट दूरी सेट करने के लिए कर सकते हैं जो आपके विश्लेषण के लिए मायने रखती है।
मान लीजिए, यदि आप कम्यूटिंग पैटर्न का अध्ययन कर रहे हैं और आप जानते हैं कि काम पर जाने के लिए औसत यात्रा 15 मील की दूरी है, उदाहरण के लिए, शायद आप 15-मील दूरी बैंड का उपयोग करना चाहते हैं।
परिणामी लेयर का नाम
मेरी सामग्री में बनाई जाने वाली और मानचित्र में जोड़ी जाने वाली लेयर का नाम प्रदान करें। यह परिणामी लेयर आपको उच्च और निम्न मानों या बिंदुओं की संख्या के सांख्यिकीय रूप से महत्त्वपूर्ण ऑउटलीयर्स दिखाएगी। यदि परिणामी लेयर का नाम पहले से ही मौजूद हैं, तो आप से यह नाम बदलने के लिए कहा जाएगा।
इसमें सहेजें ड्राप-डाउन बॉक्स का उपयोग करके, आप मेरी सामग्री में एक फोल्डर का नाम निर्दिष्ट कर सकते हैं, जहां परिणामों को सहेजा जाएगा।।