Aprendizaje automático en ArcGIS

por Lauren Bennett
 
¿Qué queremos decir con Machine Learning?

Machine Learning (ML) se refiere a un conjunto de algoritmos y técnicas basados ​​en datos que automatizan la predicción, clasificación y agrupación de datos. El aprendizaje automático puede jugar un papel crítico en la resolución de problemas espaciales en una amplia gama de áreas de aplicación, desde la clasificación de imágenes hasta la detección de patrones espaciales y la predicción multivariable.

Además de las técnicas tradicionales de Machine Learning, ArcGIS también tiene un subconjunto de técnicas ML que son inherentemente espaciales. Estos métodos espaciales que incorporan alguna noción de geografía directamente en su computación pueden conducir a una comprensión más profunda. El componente espacial a menudo toma la forma de alguna medida de forma, densidad, contigüidad, distribución espacial o proximidad. Tanto el aprendizaje automático tradicional como inherentemente espacial puede jugar un papel importante en la solución de problemas espaciales, y ArcGIS admite su uso de varias maneras.

El aprendizaje automático puede ser intensivo desde el punto de vista informático y, a menudo, implica datos grandes y complejos. Los continuos avances de Esri en el almacenamiento de datos y en la informática paralela y distribuida hacen que la resolución de problemas en la intersección de ML y GIS sea cada vez más posible.

Ejemplos de aprendizaje automático en ArcGIS
• Predicción

La predicción se trata de usar lo conocido para estimar lo desconocido. ArcGIS incluye varias técnicas de regresión e interpolación que se pueden usar para realizar predicciones. Las aplicaciones incluyen la creación de una superficie de contaminación del aire basada en las mediciones de los sensores y la estimación de los valores de las viviendas en función de los datos de ventas recientes y las características relacionadas con el hogar y la comunidad.

En ArcGIS: Kriging bayesiano empírico, interpolación areal, predicción de regresión EBK, regresión ordinaria de mínimos cuadrados y regresión exploratoria, regresión ponderada geográficamente
• Clasificación

La clasificación es el proceso de decidir a qué categoría se debe asignar un objeto en función de un conjunto de datos de capacitación. ArcGIS incluye muchos métodos de clasificación centrados en datos detectados remotamente. Estas herramientas analizan valores de píxel y configuraciones para categorizar píxeles. Algunos ejemplos incluyen delinear tipos de uso de la tierra o identificar áreas de pérdida forestal.

En ArcGIS: clasificación de máxima verosimilitud, árboles aleatorios, máquina de vectores de soporte
• Agrupación

La agrupación es la agrupación de observaciones basadas en similitudes de valores o ubicaciones. ArcGIS incluye una amplia gama de algoritmos que encuentran grupos basados ​​en uno o varios atributos, ubicación o una combinación de ambos. Estos métodos se pueden usar para hacer análisis, como los distritos escolares de segmentos, según las características socioeconómicas y demográficas, o para encontrar áreas con una actividad de redes sociales densa después de un desastre natural.

En ArcGIS: conglomerados multivariados espacialmente restringidos, conglomerados multivariados, conglomerados basados ​​en densidad, segmentación de imágenes, análisis de puntos calientes, análisis de clústeres y valores atípicos, minería de patrones de tiempo espacial
• Detrás de escena…

Además de estos métodos y técnicas, el aprendizaje automático también se utiliza en toda la plataforma como medio para elegir valores predeterminados inteligentes basados ​​en datos, automatizar los flujos de trabajo y optimizar los resultados. Por ejemplo, EBK Regression Prediction utiliza análisis de componente principal (PCA) como un medio de reducción de dimensión para mejorar las predicciones, el método OPTICS dentro de agrupamiento basado en densidad utiliza técnicas de ML para elegir una tolerancia de clúster basada en una trama de accesibilidad dada y el límite espacialmente restringido La herramienta de clustering multivariante utiliza un enfoque llamado acumulación de evidencia para proporcionar al usuario probabilidades relacionadas con los resultados de la agrupación.

Integración

El campo del aprendizaje automático es amplio y profundo, y está en constante evolución. ArcGIS es una plataforma abierta e interoperable que permite la integración de métodos y técnicas complementarios, ya sea a través de la API de ArcGIS para Python, ArcPy o el Puente R-ArcGIS. Esta integración permite a los usuarios de ArcGIS resolver problemas complejos mediante la combinación de potentes herramientas integradas con cualquier paquete de aprendizaje automático que necesiten, desde scikit-learn y TensorFlow en Python para ocuparse de R en IBM Watson y Microsoft AI, todo mientras se beneficia de la validación espacial , geoenriquecimiento y visualización de resultados en ArcGIS. La combinación de estos paquetes y tecnologías complementarios con el sistema de registro, visión y compromiso que ofrece la plataforma ArcGIS es mayor que la suma de sus partes.

Ejemplos:
• Esri UC 2017: Microsoft AI• Analizar el crimen utilizando estadísticas y el puente R-ArcGIS
• La ciencia de dónde crecen las praderas marinas: ArcGIS y el aprendizaje automático
 
¿Qué es lo que sigue?

Hay muchas iniciativas clave dentro de Esri para avanzar en los métodos de aprendizaje automático y los enfoques de integración en toda la plataforma. Métodos tales como bosques aleatorios, redes neuronales, regresión logística y previsión de series de tiempo se encuentran en la hoja de ruta, así como también experiencias de usuario simplificadas para integrarse con bibliotecas y paquetes populares de aprendizaje automático. Un enfoque continuo en el procesamiento distribuido también juega un papel importante en estos avances.

Además de aprovechar el aprendizaje tradicional de máquinas dentro de ArcGIS y la facilidad de integración, Esri está trabajando activamente para ampliar la intersección de GIS y ML. Este enfoque en la innovación en el ámbito del ML espacial, donde los algoritmos y enfoques incorporan espacio en su computación, continuará empoderando a los usuarios de ArcGIS para aprovechar los últimos avances en tecnología e informática, mientras se enfoca en resolver problemas de una manera fundamentalmente espacial camino.

Lee el artículo original | Para más información sobre el aprendizaje automático de ArcGIS, ¡escríbenos! un ejecutivo de SIGSA está esperando atenderte,