<\/HEAD>
Strojové učení (ML) označuje sadu algoritmů a technik založených na datech, které automatizují predikci, klasifikaci a shlukování dat. Strojové učení může hrát klíčovou roli při řešení prostorových problémů v široké škále oblastí použití, od klasifikace obrazů přes detekci prostorových vzorů až po multivariační predikci.<\/P>
Kromě tradičních technik strojového učení má ArcGIS také podmnožinu ML technik, které jsou inherentně prostorové. Tyto prostorové metody, které přímo začleňují nějaký pojem geografie do svého výpočtu, mohou vést k hlubšímu porozumění. Prostorová složka často nabývá formy nějaké míry tvaru, hustoty, sousedství, prostorového rozložení nebo blízkosti. Jak tradiční, tak inherentně prostorové strojové učení může hrát důležitou roli při řešení prostorových problémů a ArcGIS podporuje jejich využití různými způsoby.<\/P>
Strojové učení může být výpočetně náročné a často zahrnuje velká a složitá data. Pokračující pokroky Esri ve skladování dat a paralelním i distribuovaném výpočtu činí řešení problémů na průsečíku ML a GIS stále možnějším. <\/P>
Naučte se některé příklady z tohoto blogu ArcGIS: Machine Learning in ArcGIS | ArcGIS Blog<\/A> <\/P><\/BODY><\/HTML>
