GEE学习笔记5:随机森林
在GEE中,随机森林的介绍如下图:
/***********************已分好训练样本和实验样本******************************/
print("sam1_trainingPartition:",sam1_trainingPartition);
print("sam1_testingPartition:",sam1_testingPartition);// 通过选取样本,把landcover属性赋予样本
//bands为数据集中波段组合
var trainingPartition = S1S2.select(bands).sampleRegions({collection: sam1_trainingPartition,properties: ['landcover'],scale: 10,tileScale:16
});var testingPartition = S1S2.select(bands).sampleRegions({collection: sam1_testingPartition,properties: ['landcover'],scale: 10,tileScale:16
});
//先把棵树设置成10,后面会选择最优棵树
var trainedClassifier = ee.Classifier.smileRandomForest(10).train({features: trainingPartition,classProperty: 'landcover',inputProperties: bands
});
//对数据集进行分类
var class_img = S1S2.select(bands).classify(trainedClassifier).clip(roi);
选取随机森林的棵树
//选取森林棵树
var numTrees = ee.List.sequence(5, 50, 5);
var accuracies = numTrees.map(function(t)
{ var classifier = ee.Classifier.smileRandomForest(t).train({features: trainingPartition,classProperty: 'landcover',inputProperties: bands});return testingPartition.classify(classifier).errorMatrix('landcover', 'classification').accuracy();
});
print(ui.Chart.array.values({array: ee.Array(accuracies),axis: 0,xLabels: numTrees
}));
从图中可以看到当棵树为25,准确率最高,因此,可以把 ee.Classifier.smileRandomForest(10).train里面的参数设置成25,重新运行。
随机森林特征重要性,可以导出结果进行分析
//随机森林特征重要性
var dict = trainedClassifier.explain();
print('Explain:',dict);var variable_importance = ee.Feature(null, ee.Dictionary(dict).get('importance'));
var chart =
ui.Chart.feature.byProperty(variable_importance)
.setChartType('ColumnChart')
.setOptions({title: 'Random Forest Variable Importance',
legend: {position: 'none'},
hAxis: {title: 'Bands'},
vAxis: {title: 'Importance'}
});print(chart);
hAxis: {title: ‘Bands’},
vAxis: {title: ‘Importance’}
});
print(chart);
GEE学习笔记5:随机森林相关推荐
- 集成学习中的随机森林
摘要:随机森林是集成算法最前沿的代表之一.随机森林是Bagging的升级,它和Bagging的主要区别在于引入了随机特征选择. 本文分享自华为云社区<集成学习中的随机森林>,原文作者:ch ...
- 集成学习——BAGGING和随机森林
集成学习--BAGGING和随机森林 集成学习--BAGGING和随机森林 1.什么是集成学习 2.怎样进行集成学习 3.Bagging方法 4.Bagging方法训练.预测过程 5.Bagging方 ...
- GEE学习笔记一账号注册(只需要用谷歌邮箱就能注册成功)
小白辰某的GEE学习笔记一 gee账号注册的雷,我先踩为敬 为了申请成功我真的是看遍了知乎和csdn上所有的文章,以下随便写写我踩的雷点.本人写的小文章,统统都是纯干货,简单明了,新手必备(不吹不黑你 ...
- 随机森林分类算法python代码_Python机器学习笔记:随机森林算法
随机森林算法的理论知识 随机森林是一种有监督学习算法,是以决策树为基学习器的集成学习算法.随机森林非常简单,易于实现,计算开销也很小,但是它在分类和回归上表现出非常惊人的性能,因此,随机森林被誉为&q ...
- GEE学习笔记一 利用GEE获取Sentinel-2 1C与2A级影像
GEE学习笔记一 利用GEE获取Sentinel-2 1C与2A级影像 博主最近在学习利用GEE获取Sentinel-2影像时,发现有两种不同的数据集,下面记录一下利用GEE获取两种数据集的方法. S ...
- gee学习笔记 第三天
gee学习笔记 第三天 文章目录 gee学习笔记 第三天 前言 一.Geometry和Feature 二.Getting image metadata 三.Using the plotting too ...
- gee学习笔记 第二天
gee学习笔记 第二天 文章目录 gee学习笔记 第二天 前言 一.继续熟悉jupyter lab notebook 二.获取和找到数据 1.选定区域和设置过滤器 前言 第二天 学习如何准备水煮鱼的材 ...
- 【进阶版】机器学习之集成学习介绍、随机森林模型经验贴(12)
目录 欢迎订阅本专栏,持续更新中~ 本专栏前期文章介绍! 机器学习配套资源推送 进阶版机器学习文章更新~ 点击下方下载高清版学习知识图册 集成学习 个体与集成 Boosting Bagging与Ran ...
- GEE学习笔记1:GEE初识
目录 简介 Datasets FAQ Timelapse CaseStudies platform Blog Sign Up 1.简介 Google Earth Engine(GEE)是谷歌提供的对大 ...
最新文章
- elasticsearch 9300端口连接不上_SpringBoot2.x系列教程54--SpringBoot整合ElasticSearch方式一...
- C++ Primer 第10章 习题10.23
- kettle的基本介绍
- vs2015 编译时错误列表中没有错误,dll却没有生成出来
- java文件编码格式环境变量_Jenkins maven 构建乱码,修改file.encoding系统变量编码为UTF-8...
- Bootstrap 模态对话框
- oracle中job无法正常运行,如何排查
- java网络编程 - TCP/IP四层模型
- Java人事管理系统设计
- 中国石油井架行业发展前景与投资盈利预测报告2022-2027
- 数字图像隐写术之卡方分布
- 【论文阅读】UAV-Based Crop and Weed Classification for Smart Farming
- ORA-01034 ORACLE not available
- SDUT ACM 多项式求和(基于C语言)
- DataX Transformer 源码分析及 UDF 扩展与使用
- RGB565,RGB555, RGB888,RGB32转换
- tomcat出现“localhost拒绝了我们的请求”问题
- Vi下编辑和退出编辑方法
- Java数据结构学习——排序二叉树
- 复变函数与积分变换(五)学习笔记[孤立奇点,留数,零点与奇点,无穷远点的留数,留数计算的应用]