Encontrar Clusters de Ponto
A ferramenta Encontrar Clusters de Ponto encontra clusters de elementos de pontos no ruído circundante com base na sua distribuição espacial.
Por exemplo, uma organização não-governamental está a estudar uma doença específica transmitida por parasita. Possui um conjunto de dados de ponto que representa agregados familiares numa área de estudo, algumas das quais se encontram infestadas, outras não. Ao utilizar a ferramenta Encontrar Clusters de Ponto , um analista pode determinar clusters de agregados familiares infestados para ajudar a definir uma área na qual iniciar o tratamento e a exterminação dos parasitas.
Selecione a camada a partir da qual os clusters serão encontrados.
A camada de pontos na qual os clusters se encontrarão. As camadas têm de encontrar-se numa referência espacial projetada ou a referência espacial de processamento tem de ser definida para um sistema de coordenadas projetado que utilize os Ambientes de Análise.
Para além de escolher uma camada do seu mapa, pode escolher Escolher Camada de Análise na parte inferior da lista pendente para navegar até aos seus conteúdos de um conjunto de dados de partilha de ficheiros de big data ou camada de elementos.
Escolha o método de agrupamento a usar
O método de agrupamento que será utilizado para distinguir agrupamentos de elementos de pontos de ruído circundante. Pode optar por utilizar uma distância definida ou um algoritmo de agrupamento autoajustável.
A distância definida (DBSCAN) utiliza um intervalo de pesquisa especificado para separar agrupamentos densos de ruído disperso. A distância definida (DBSCAN) é mais rápida, mas apenas é adequada se houver um intervalo de pesquisa muito claro a utilizar que funcione bem para definir todos os agrupamentos que possam estar presentes. A distância definida (DBSCAN) encontra agrupamentos que têm densidades similares.
O autoajustamento (HDBSCAN) não necessita que se especifique um intervalo de pesquisa, mas é um método mais demorado. O autoajustamento (HDBSCAN) encontra agrupamentos de pontos tal como a distância definida (DBSCAN), mas utiliza intervalos de pesquisa variáveis, permitindo agrupamentos com densidades variáveis.
Número mínimo de pontos para ser coniderado um cluster
Este parâmetro é utilizado distintamente, dependendo do método de agrupamento escolhido:
- Distância definida (DBSCAN) — especifica o número de elementos que têm de ser encontrados a uma certa distância de um ponto para que esse ponto comece a formar um agrupamento. A distância é definida utilizando o parâmetro Limitar o intervalo de pesquisa para.
- Autoajustamento (HDBSCAN) — especifica o número de elementos que circundam cada ponto (incluindo o próprio ponto) que serão considerados ao estimar a densidade. Este número também é o tamanho mínimo de agrupamento permitido ao extrair agrupamentos.
Limite o intervalo de pesquisa para
Ao utilizar a distância definida (DBSCAN), este parâmetro é a distância dentro da qual o Número mínimo de pontos para ser considerado um agrupamento tem de ser encontrado. Este parâmetro não é utilizado quando o autoajustamento (HDBSCAN) é escolhido como o método de agrupamento a utilizar.
Nome da camada resultante
O nome da camada que será criada. Se estiver a escrever para ArcGIS Data Store, os seus resultados serão gravados em O Meu Conteúdo e adicionados ao mapa. Se estiver a escrever para uma partilha de ficheiros big data, os seus resultados serão guardados numa partilha de ficheiros big data e adicionados ao seu manifesto. Não serão adicionados ao mapa. O nome padrão é baseado no nome da ferramenta e do nome da camada de entrada. Caso a camada já existe, a ferramenta irá falhar.
Ao escrever para ArcGIS Data Store (armazenamento relacional ou espaciotemporal de dados big data) utilizando a caixa suspensa Guardar resultado em pode especificar o nome de uma pasta em O Meu Conteúdo, onde será armazenado o resultado.