> 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/ukrainian/oglyad-produktu-vebdodatok/zones-maps-and-analytics/using-data-classification.md).

# Використання класифікації даних

Дізнайтеся, як методи класифікації GeoPard формують карти зон, зокрема AUTO, Natural Breaks, Equal Interval, Equal Count і Spatially Localized.

Класифікація даних — важливий етап аналізу та візуалізації географічних даних. GeoPard пропонує кілька методів класифікації, які допомагають користувачам ефективно розуміти й інтерпретувати дані. У GeoPard доступні такі поширені варіанти: автоматична класифікація, природні межі, рівні інтервали, рівна кількість (за площею) та просторово локалізована класифікація. Кожен метод підходить для різних завдань, як описано нижче:

## Класифікація AUTO

Автоматична класифікація вибирає відповідний спосіб класифікації **з огляду на розподіл даних і площі зон**. Це допомагає швидше створити придатну до використання карту зон і витрачати менше часу на метод спроб і помилок під час ручного порівняння методів класифікації.

Цей варіант стане у пригоді, якщо вам потрібна надійна відправна точка й ви хочете заощадити час під час створення карти. Перед збереженням ви можете переглянути результат і змінити інші параметри зон.

<figure><img src="https://2650431644-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>Класифікація AUTO</p></figcaption></figure>

## 1. Класифікація за природними межами

Класифікація за природними межами визначає «природні» порогові значення або межі в розподілі даних, щоб сформувати окремі групи. Вона максимізує відмінності між класами та мінімізує відмінності всередині кожного класу. Цей метод підходить для даних із виразними закономірностями або скупченнями, що дає змогу ефективно досліджувати й аналізувати їх.

<figure><img src="https://2650431644-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>Класифікація за природними межами</p></figcaption></figure>

## 2. Класифікація з рівними інтервалами

Класифікація з рівними інтервалами ділить діапазон даних на однакові інтервали або групи. Вона забезпечує збалансоване відображення розподілу даних, завдяки чому значення в кожному інтервалі легко інтерпретувати й порівнювати. Цей метод підходить для рівномірно розподілених даних без виразних закономірностей.

<figure><img src="https://2650431644-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>Класифікація з рівними інтервалами</p></figcaption></figure>

## 3. Класифікація з рівною кількістю (за площею)

Класифікація з рівною кількістю забезпечує однакову кількість значень даних у кожному класі. Вона зберігає збалансоване представлення, особливо для даних зі зміщеним або нерівномірним розподілом. Цей метод дає змогу коректно порівнювати ділянки або регіони та забезпечує послідовність аналізу й візуалізації.

Мета — створити зони з відносно однаковою площею, однак округлення та покращення якості зон можуть спричинити незначні відхилення. Тому використання вегетаційних індексів із вищою деталізацією, як-от EVI2, MCARI1 або WDRVI, дає точніші результати. Крім того, [підсумкову геометрію зон коригують для підвищення точності](https://geopard.tech/blog/432ca9jhnt-zones-quality/).

<figure><img src="https://2650431644-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>Класифікація з рівною кількістю (за площею)</p></figcaption></figure>

## 4. Просторово локалізована класифікація

Просторово локалізована класифікація групує дані за географічним розташуванням, формуючи локалізовані зони. Її основне призначення — планування зон для відбору зразків ґрунту, що дає змогу ефективно поділити поля на зручні для роботи ділянки.

Для більшої гнучкості просторово локалізована класифікація пропонує три варіанти: **З орієнтацією на простір**, **З орієнтацією на значення**, а також **Збалансований**.

### 4.1. Збалансований варіант просторово локалізованої класифікації

Варіант **Збалансований** є компромісом між варіантами **З орієнтацією на простір** і **З орієнтацією на значення**. Він створює карту зон зі скупченнями, у яких збалансовано географічну близькість і подібність значень даних. Такий підхід добре працює, коли важливі і компактність зон у просторі, і однорідність даних.

<figure><img src="https://2650431644-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>Просторово локалізована класифікація (збалансований варіант)</p></figcaption></figure>

### 4.2. Варіант «З орієнтацією на значення» просторово локалізованої класифікації

Варіант **З орієнтацією на значення** просторово локалізованої класифікації формує зони за значеннями даних, а не за географічною близькістю. Він об’єднує ділянки зі схожими характеристиками, як-от стан рослинності або якість ґрунту, щоб створити карту зон, де найважливішою є узгодженість даних усередині кожної зони.

<figure><img src="https://2650431644-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>Просторово локалізована класифікація (варіант «З орієнтацією на значення»)</p></figcaption></figure>

### 4.3. Варіант «З орієнтацією на простір» просторово локалізованої класифікації

Варіант **З орієнтацією на простір** просторово локалізованої класифікації зосереджується на створенні географічно компактніших зон. Він створює карту зон зі скупченнями, у яких пріоритетом є близькість і просторова компактність кожної зони. Цей варіант ідеально підходить, коли найважливішим є фізичне розташування, наприклад у логістиці або під час просторового відбору зразків.

<figure><img src="https://2650431644-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>Просторово локалізована класифікація (варіант «З орієнтацією на простір»)</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/ukrainian/oglyad-produktu-vebdodatok/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.
