当用户希望创建复合评分、指数或多变量排名时,请使用此技能。
前置条件:加载 carto-create-workflow 进行开发。它涵盖了两种访问路径——已连接时 MCP 服务器的工作流工具(create_workflow、validate_workflow、run_workflow),否则使用 carto workflows CLI。路由信号:carto-basics/references/access-paths.md。
说明
步骤 1:确定评分方法
向用户询问以下决策树:
- “您是否有目标/结果变量?”(例如收入、销售额、犯罪率)
- 是 → 使用
native.spatialcompositesupervised的有监督方法
- 是 → 使用
- “无目标,但您是否有变量重要性的专家知识?”(即自定义权重)
- 2a. 透明度比节点数更重要 → 对每个变量使用
native.normalize+ 使用native.selectexpression将加权和在 SQL 中直接写出(a_norm * 0.5 + b_norm * 0.2 + c_norm * 0.3)。输入和权重可在工作流内联检查;每个归一化列被物化;无需 Analytics Toolbox 依赖。当利益相关者需要查看/审计公式时,或你未运行 AT 时使用。 - 2b. 希望 AT 为你处理管道(缩放、聚合、分桶) → 使用
scoring_method: CUSTOM_WEIGHTS的native.spatialcompositeunsupervised。一个节点,但公式隐藏在组件内部。
- 2a. 透明度比节点数更重要 → 对每个变量使用
- “无目标,无权重?”
- → 使用
ENTROPY或FIRST_PC的无监督方法,使用native.spatialcompositeunsupervised
- → 使用
成功:在设计管道之前,你已经确定了要使用的组件和评分方法。
步骤 2:构建管道
有监督管道(native.spatialcompositesupervised)
- 加载空间特征数据集(已在 H3 或 Quadbin 上建立索引)
- 加载目标/结果数据集
- 在空间索引列上连接两个数据集
- 仅选择相关的特征列(从特征选择中删除空间索引列和几何列——只传递实际的特征变量)
- 使用以下参数运行
native.spatialcompositesupervised:model_type:LINEAR_REGbucketize:EQUAL_INTERVALS_ZERO_CENTEREDn_buckets:5outlier_removal:truer_squared_threshold:0.4
- 输出:基于回归残差的复合得分(识别相对于模型表现过度或不足的区域)
成功:工作流将特征与目标变量连接,仅选择数值特征列,并为每个空间单元生成基于残差的得分。
无监督管道(native.spatialcompositeunsupervised)
- 加载空间特征数据集
- 仅选择相关的特征列
- 使用
native.casewhen将任何分类/有序变量编码为数值型(例如“Low_density_urban” → 4,“High_density_urban” → 2) - 可选:在传递给组件的 SELECT 查询中通过乘以 -1 来反转变量方向(如果越高表示越差)
- 使用以下参数运行
native.spatialcompositeunsupervised:scoring_method:CUSTOM_WEIGHTS/ENTROPY/FIRST_PCweights:如果使用CUSTOM_WEIGHTS则必填。传输格式是一个 JSON 编码的三元组字符串[[<column>, <weight>, <reverse>], ...]——column是特征列名,weight是数值权重(内部归一化总和为 1),reverse是布尔值(true会翻转变量,使得“越高越差”变为“越高越好”,无需使用 CASE WHEN)。示例:'[["population_density", 0.5, false], ["accident_rate", 0.5, true]]'。不是对象映射。scaling:RANKINGaggregation:LINEARoutput:RETURN_RANGE,范围为[0, 1]
- 输出:每个地点的复合指数得分
成功:所有输入变量都是数值型的,变量方向已对齐(更高 = 更好的得分),输出是每个空间单元的归一化得分。
常见陷阱
- 提供者的大小写和 SQL 方言。 此技能使用小写列名(BigQuery / Databricks / Postgres / Redshift 约定)。在 Snowflake 上,未加引号的标识符显示为大写——在权重、表达式和下游 SQL 中引用
POPULATION_DENSITY、ACCIDENT_RATE等。参见carto-create-workflow/references/providers/<provider>.md了解大小写规则和 SQL 方言等价形式。 - 所有输入变量必须是数值型,且方向一致。 首先通过 CASE WHEN 对有序字符串(“low”/“medium”/“high”)进行编码,对于“越高越差”的变量乘以 -1(或设置
reverse标志),否则会反转得分含义。 - 有监督 R 平方阈值(默认 0.4)较为宽松。如果模型拟合不佳,基于残差的得分主要是噪声。检查模型诊断信息。
- 自定义权重在内部进行归一化,总和为 1。绝对值无关紧要,只有比率重要。
- 有监督得分是残差,而不是原始值。该得分识别的是偏离模型的区域,而不是原始值最高的区域。
- 从特征选择中删除空间索引列和几何列——只向评分组件传递实际的特征变量。
weights的类型标签报告有误。 组件模式(通过read_workflow_componentsMCP 或carto workflows components get native.spatialcompositeunsupervised --json)将weights列为type: "ColumnNumber",但实际的传输形状是一个三元组的 JSON 编码字符串[[<column>, <weight>, <reverse>], ...](见上文步骤 2)。请相信此技能和参考模板,而不是报告的类型标签。indexcol.allowedColumns是一个 UI 提示,并非验证器。 模式为native.spatialcompositeunsupervised.indexcol列出了["geoid", "h3", "quadbin"],但它是工作流的下拉提示——运行时任何唯一标识列都可以(例如store_id、cell_id)。
参考模板
两个示例均使用 Quadbin 分辨率 18 的米兰空间特征数据。
| 模板 | 组件 | 文件 |
|---|---|---|
| 有监督——识别韧性社区 | native.spatialcompositesupervised | composite-score-supervised.json |
| 无监督——市场潜力评分 | native.spatialcompositeunsupervised | composite-score-unsupervised.json |
常见变体
| 变体 | 方法 |
|---|---|
| 风险指数(洪水、犯罪等) | 使用 CUSTOM_WEIGHTS 的无监督方法;反转那些“越高越安全”的变量 |
| 市场潜力 / 站点评分 | 使用 CUSTOM_WEIGHTS 或 ENTROPY 的无监督方法;对需求侧变量赋予更高权重 |
| 韧性指数 | 使用结果变量(例如收入变化)的有监督方法;残差揭示表现过度/不足的区域 |
| 数据驱动指数(无领域专业知识) | 使用 FIRST_PC 或 ENTROPY 的无监督方法,让方差驱动权重 |
| 人类发展 / 综合指标 | 使用 CUSTOM_WEIGHTS 和 RANKING 缩放的无监督方法,实现有序安全的聚合 |