> For the complete documentation index, see [llms.txt](https://docs.geopard.tech/geopard-tutorials/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/zones-maps-and-analytics/using-data-classification.md).

# Izmantojot datu klasifikāciju

Uzziniet, kā GeoPard klasifikācijas metodes veido zonu kartes, tostarp AUTO, dabiskos pārtraukumus, vienādos intervālus, vienādu skaitu un telpiski lokalizētas opcijas.

Datu klasifikācija ir būtisks solis ģeogrāfisko datu analīzē un vizualizācijā. GeoPard piedāvā vairākas klasifikācijas metodes, kas palīdz lietotājiem efektīvi izprast un interpretēt savus datus. GeoPard biežāk izmantotās iespējas ir automātiskā klasifikācija (AUTO), dabiskie pārtraukumi, vienādi intervāli, vienāds skaits (platība) un telpiski lokalizētā klasifikācija. Katra metode ir piemērota citam lietojumam, kā aprakstīts tālāk:

## AUTO classification

Automātiskā klasifikācija izvēlas piemērotu klasifikācijas pieeju **atbilstoši datu sadalījumam un zonu platībām**. Tā palīdz ātrāk iegūt lietošanai gatavu zonu karti, samazinot minēšanu un pārbaudes, manuāli salīdzinot klasifikācijas metodes.

Šī iespēja noder, ja vēlaties iegūt labu sākumpunktu un ietaupīt laiku kartes izveidē. Pirms saglabāšanas joprojām varat pārskatīt rezultātu un pielāgot citus zonu iestatījumus.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2F9w5QnaWrwVXAXPQTAw5L%2Fimage.png?alt=media&amp;token=b4c57f60-c506-4454-ab3e-e0525235975f" alt=""><figcaption><p>AUTO classification</p></figcaption></figure>

## 1. Klasifikācija pēc dabiskajiem pārtraukumiem

Klasifikācija pēc dabiskajiem pārtraukumiem datu sadalījumā nosaka “dabiskās” robežvērtības jeb pārtraukumpunktus, lai izveidotu atšķirīgas grupas. Tā maksimāli palielina atšķirības starp klasēm un samazina atšķirības katras klases ietvaros. Šī metode ir noderīga datiem ar skaidri saskatāmiem rakstiem vai grupām, ļaujot tos efektīvi izpētīt un analizēt.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FQzmD8cm9fyq0vTDYwxvq%2Fimage.png?alt=media&amp;token=4cf3e432-cbe6-459b-8fd6-75e7cb540024" alt=""><figcaption><p>Klasifikācija pēc dabiskajiem pārtraukumiem</p></figcaption></figure>

## 2. Klasifikācija vienādos intervālos

Klasifikācija vienādos intervālos sadala datu vērtību diapazonu vienāda lieluma intervālos jeb grupās. Tā sniedz līdzsvarotu datu sadalījuma attēlojumu, tāpēc vērtības katrā intervālā ir viegli interpretēt un salīdzināt. Šī metode ir piemērota vienmērīgi sadalītiem datiem bez izteiktiem rakstiem.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FkOZpBpxYxxyhGVbicPLO%2Fimage.png?alt=media&amp;token=0f1211c8-2ac2-4786-a0e8-ed8ae7ffd843" alt=""><figcaption><p>Klasifikācija vienādos intervālos</p></figcaption></figure>

## 3. Klasifikācija pēc vienāda skaita (platības)

Klasifikācija pēc vienāda skaita nodrošina, ka katrā klasē ir vienāds datu vērtību skaits. Tā saglabā līdzsvarotu attēlojumu, īpaši gadījumos, kad dati ir asimetriski vai nevienmērīgi sadalīti. Šī metode ļauj godīgi salīdzināt platības vai reģionus, nodrošinot konsekventu analīzi un vizualizāciju.

Mērķis ir izveidot zonas ar salīdzinoši līdzīgu platību, taču noapaļošana un zonu kvalitātes uzlabošana var radīt nelielas atšķirības. Tāpēc precīzākus rezultātus nodrošina veģetācijas indeksi ar lielāku detalizācijas pakāpi, piemēram, EVI2, MCARI1 vai WDRVI. Turklāt [zonu galīgās ģeometrijas tiek precizētas, lai uzlabotu precizitāti](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FKimgcw9kK0ED2uGagkEM%2Fimage.png?alt=media&amp;token=31e7fd08-ecec-4253-ac0a-582edf368bdc" alt=""><figcaption><p>Klasifikācija pēc vienāda skaita (platības)</p></figcaption></figure>

## 4. Telpiski lokalizētā klasifikācija

Telpiski lokalizētā klasifikācija grupē datus pēc to ģeogrāfiskās atrašanās vietas, veidojot lokalizētas zonas. To galvenokārt izmanto zonu plānošanai augsnes paraugu ņemšanai, ļaujot efektīvi sadalīt laukus pārvaldāmās platībās.

Lai nodrošinātu lielāku elastību, telpiski lokalizētajai klasifikācijai ir trīs iespējas: **Ar uzsvaru uz telpisko izvietojumu**, **Ar uzsvaru uz vērtībām**, un **Līdzsvarota**.

### 4.1. Telpiski lokalizētās klasifikācijas līdzsvarotā iespēja

Iespēja **Līdzsvarota** ir kompromiss starp iespējām **Ar uzsvaru uz telpisko izvietojumu** un **Ar uzsvaru uz vērtībām**. Tā izveido zonu karti ar grupām, kurās līdzsvarots ģeogrāfiskais tuvums un datu vērtību līdzība. Šī pieeja ir piemērota, ja svarīga gan telpiska kompaktība, gan datu konsekvence.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FHkWvnjWzBOiljEnXQOhU%2Fimage.png?alt=media&amp;token=c5bd0315-ed78-4638-b219-3dac4abde057" alt=""><figcaption><p>Telpiski lokalizētā klasifikācija (līdzsvarotā iespēja)</p></figcaption></figure>

### 4.2. Telpiski lokalizētā klasifikācija ar uzsvaru uz vērtībām

Iespēja **Ar uzsvaru uz vērtībām** telpiski lokalizētajā klasifikācijā veido zonas, grupējot tās pēc datu vērtībām, nevis ģeogrāfiskā tuvuma. Tā apvieno platības ar līdzīgām īpašībām, piemēram, veģetāciju vai augsnes kvalitāti, lai izveidotu zonu karti, kurā vissvarīgākā ir datu konsekvence katras zonas ietvaros.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FF7h0AB4cF7xbWCmA7PmK%2Fimage.png?alt=media&amp;token=5e9d6b86-5f7c-4acf-9990-e4c2a7a746c1" alt=""><figcaption><p>Telpiski lokalizētā klasifikācija (iespēja ar uzsvaru uz vērtībām)</p></figcaption></figure>

### 4.3. Telpiski lokalizētā klasifikācija ar uzsvaru uz telpisko izvietojumu

Iespēja **Ar uzsvaru uz telpisko izvietojumu** telpiski lokalizētajā klasifikācijā ir vērsta uz ģeogrāfiski koncentrētāku zonu izveidi. Tā izveido zonu karti ar grupām, kurās prioritāte ir tuvumam un katra zona ir telpiski kompakta. Šī iespēja ir ideāli piemērota gadījumiem, kad vissvarīgākā ir fiziskā atrašanās vieta, piemēram, loģistikā vai telpiskajā paraugu ņemšanā.

<figure><img src="https://1923267647-files.gitbook.io/~/files/v0/b/gitbook-x-prod.appspot.com/o/spaces%2FYICBELdyAXXebKAzfLOR%2Fuploads%2FDh2CT0aMwFrdBdPSDhjg%2Fimage.png?alt=media&amp;token=808f32ce-22c6-4baf-8370-5b65177ea3bd" alt=""><figcaption><p>Telpiski lokalizētā klasifikācija (iespēja ar uzsvaru uz telpisko izvietojumu)</p></figcaption></figure>


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://docs.geopard.tech/geopard-tutorials/lva/produkta-apskats-timekla-lietotne/zones-maps-and-analytics/using-data-classification.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

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.
