# Използване на класификация на данни Класификацията на данните е ключова стъпка в анализа и визуализацията на географски данни. GeoPard предлага няколко метода за класификация, за да помогне на потребителите ефективно да разбират и интерпретират своите данни. Често използваните опции в GeoPard са AUTO класификация, Natural Breaks, Equal Interval, Equal Count (Area) и Spatially Localized класификация. Всеки метод е подходящ за различен случай на употреба, както е описано по-долу: ## AUTO класификация Автоматичната класификация избира подходящ подход за класифициране **въз основа на разпределението на данните и площите на зоните**. Тя ви помага по-бързо да стигнете до използваема карта на зоните, с по-малко проби и грешки при ръчно сравняване на методите за класификация. Тази опция е полезна, когато искате добър старт и трябва да спестите време при създаването на картата. Все още можете да прегледате резултата и да коригирате други настройки на зоните преди записване.

AUTO класификация

## 1. Класификация Natural Breaks Класификацията Natural Breaks идентифицира „естествени“ прагове или точки на прекъсване в разпределението на данните, за да създаде отделни групи. Тя максимизира разликите между класовете и минимизира разликите в рамките на всеки клас. Natural Breaks е полезна за данни с ясни модели или клъстери, като позволява ефективно проучване и анализ.

Класификация Natural Breaks

## 2. Класификация Equal Interval Класификацията Equal Interval разделя диапазона на данните на равни интервали или групи. Тя осигурява балансирано представяне на разпределението на данните, което улеснява интерпретацията и сравнението на стойностите във всеки интервал. Equal Interval е подходяща за равномерно разпределени данни без ясни модели.

Класификация Equal Interval

## 3. Класификация Equal Count (Area) Класификацията Equal Count осигурява равен брой стойности на данните във всеки клас. Тя поддържа балансирано представяне, особено при изкривени или неравномерно разпределени данни. Equal Count позволява справедливи сравнения между площи или региони, като осигурява последователен анализ и визуализация. Целта е да се създадат зони с относително сходни площи, но операциите по закръгляване и подобренията на качеството на зоните могат да доведат до леки различия. Затова използването на вегетационни индекси с по-висока детайлност, като EVI2, MCARI1 или WDRVI, води до по-прецизни резултати. И [крайните геометрии на зоните се прецизират, за да се подобри точността](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

Класификация Equal Count (Area)

## 4. Spatially Localized класификация Класификацията Spatially Localized групира данните геопространствено, като създава локализирани зони. Основният ѝ случай на употреба е планиране на зони за почвени проби, което позволява ефективно сегментиране на полетата на управляеми площи. За да се осигури по-голяма гъвкавост, Spatially Localized класификацията включва три опции: **Към пространството**, **Към стойностите**, и **Балансирано**. ### 4.1. Опция Balanced на Spatially Localized ID на зона **Балансирано** опцията осигурява среден вариант между **Към пространството** и **Към стойностите**. Тя създава карта на зоните с клъстери, които балансират географската близост и сходството на стойностите на данните. Този подход работи добре, когато са важни както пространствената компактност, така и последователността на данните.

Spatially Localized класификация (опция Balanced)

### 4.2. Опция Towards Values на Spatially Localized ID на зона **Към стойностите** опцията на Spatially Localized класификацията създава зони, групирани по стойности на данните, а не по географска близост. Тя групира площи със сходни характеристики, като вегетация или качество на почвата, за да създаде карта на зоните, при която последователността на данните във всяка зона е най-важна.

Spatially Localized класификация (опция Towards Values)

### 4.3. Опция Towards Spatial на Spatially Localized ID на зона **Към пространството** опцията на Spatially Localized класификацията се фокусира върху създаването на зони, които са по-географски концентрирани. Тя създава карта на зоните с клъстери, които дават приоритет на близостта и поддържат всяка зона пространствено компактна. Тя е идеална, когато физическото местоположение е най-важно, например при логистика или пространствено пробовземане.

Spatially Localized класификация (опция Towards Spatial)

--- # Agent Instructions: Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter: ``` GET https://docs.geopard.tech/geopard-tutorials/bg/obikolka-na-produkta-ueb-prilozhenie/karti-i-analizi-na-zoni/izpolzvane-na-klasifikaciya-na-danni.md?ask= ``` The question should be specific, self-contained, and written in natural language. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.