<\/HEAD>
L'apprentissage automatique (ML) fait référence à un ensemble d'algorithmes et de techniques basés sur les données qui automatisent la prédiction, la classification et le regroupement des données. L'apprentissage automatique peut jouer un rôle crucial dans la résolution de problèmes spatiaux dans un large éventail de domaines d'application, allant de la classification d'images à la détection de motifs spatiaux en passant par la prédiction multivariée.<\/P>
En plus des techniques traditionnelles d'apprentissage automatique, ArcGIS dispose également d'un sous-ensemble de techniques ML qui sont intrinsèquement spatiales. Ces méthodes spatiales qui intègrent une notion de géographie directement dans leur calcul peuvent conduire à une compréhension plus approfondie. La composante spatiale prend souvent la forme d'une mesure de forme, densité, contiguïté, distribution spatiale ou proximité. Tant l'apprentissage automatique traditionnel que spatial peuvent jouer un rôle important dans la résolution de problèmes spatiaux, et ArcGIS supporte leur utilisation de plusieurs manières.<\/P>
L'apprentissage automatique peut être intensif en calcul et implique souvent des données volumineuses et complexes. Les avancées continues d'Esri dans le stockage des données ainsi que dans le calcul parallèle et distribué rendent la résolution des problèmes à l'intersection du ML et du GIS de plus en plus possible. <\/P>
Découvrez quelques exemples sur ce blog ArcGIS : Machine Learning in ArcGIS | ArcGIS Blog<\/A> <\/P><\/BODY><\/HTML>
