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 ...

GEE学习笔记5：随机森林

GEE学习笔记5：随机森林相关推荐

最新文章

热门文章