官网的教程太简单，在这里补充一下。

一、核心内容说明

1、绘制训练区

说明：这里直接利用PEE自带的绘点工具即可，无需其他代码

（1）绘制样本点

绘制样本点的规则和ENVI一样，但在这里要注意一个图层只能绘制一种类型的样本（比如都是水体）

（2）样本点转要素集

别忘了点保存

这里要说明一下，属性名称指的是这个地物的面积，种类，高度等（在本次说明中指得是roi样本点的种类），属性值指的是100㎡，第一种，10m等（在本次说明中指得是roi样本点的种类：水体）。属性值只能以数字形式表示，不然计算系统无法识别。

这里是绘制结果

（3）导入图层与合并集合

说明：合并集合的原因是sampleRegions无法识别多个要素集（只取第一个）

导入图层

代码最好放在最上面！！！

合并集合

首先定义一个新的要素集

var fea = pie.FeatureCollection([]);

然后将其他要素集中的要素都复制到这里面来：

（我们要的是这一段）

pie.Feature(pie.Geometry.Point([116.64928886781411,36.45477006358118], null),{"type": "1"}),pie

成果

2、样本点采样

代码

var training = img.sampleRegions(fea,["type"],10);

代码说明

img是用于分类的影像图，fea是样本点，type是采样结果保留的属性值（作为分类的依据），10是影象分辨率。

sampleRegions功能：在当前影像中采集距样本点最近的像素块的DN值（如果给定参数大于实际影像分辨率则取多个像素块DN值的平均值）

采样结果

3、监督分类

代码：

var classifier = pie.Classifier.rTrees().train(training,"type",["B1","B2","B3"]);

var resultImage = img.classify(classifier,"classifyA");

var visParam = {

opacity:1,

uniqueValue:'1,2,3',

palette: '#87CEFA,#BDB76B,#CD0000'

};

Map.addLayer(resultImage,visParam);

Map.setCenter(0,0,0);

代码说明：

classifier是分类器.rTrees代表分类方式（决策树），resultImage是分类结果，visParam是分类结果的风格设置（数量必须与样本点的种类一致），Map.addLayer是加载分类结果

结果

4、精度评价

解释一下官网里的代码

// 获得样本点，并且按照7:3分成训练样本点和验证样本点，地图加载显示

var featureCollection = pie.FeatureCollection('user/17090142114/PGDB001/WorldROI');

featureCollection = featureCollection.randomColumn('random');

//令要素集产生一组随机数，数组名为random（和type一样，不过属性值是0~x随机数）

var trainingFeatures = featureCollection.filter(pie.Filter.lte("random", 0.7));

//对featurecollection进行筛选，删选出random属性值前百分之七十，筛选结果为trainingFeatures

var testingFeatures = featureCollection.filter(pie.Filter.gt("random", 0.7));

//同上，筛选条件变为后百分之七十

Map.addLayer(trainingFeatures,{color:'FF0000FF'},"TrainLayer");

Map.addLayer(testingFeatures,{color:'0000FFFF'},"TestLayer");

Map.centerObject(featureCollection,0);

//加载出来看一下训练样本和验证样本

// 构建查询数据

var image = pie.Image('user/17090142114/PGDB001/World84').select(["B1","B2","B3"]);

// 获得训练样本，并且按照7:3分成训练样本和验证样本

var sampleFeatureCollection = image.sampleRegions(featureCollection, ["type","random"], 50000);

//对样本点进行采样，保留的字段为type、random，采样结果为sampleFeatureCollection

var sampleTrainingFeatures = sampleFeatureCollection.filter(pie.Filter.lte("random", 0.7));

//同6行

var sampleTestingFeatures = sampleFeatureCollection.filter(pie.Filter.gt("random", 0.7));

// 构建正态贝叶斯分类器，并训练数据

var classifer = pie.Classifier.normalBayes().train(sampleTrainingFeatures, "type", ["B1", "B2", "B3"]);

// 影像分类，并加载显示

var resultImage = image.classify(classifer, "classifyA");

var visParam = {

opacity:1,

uniqueValue:'1,2,3,4',

palette: '008000,0000ff,ffa500,c0c0c0'

};

Map.addLayer(resultImage,visParam, "ClassifyImage");

Map.addLayer(image,{},"SrcImage",false);

// 添加图例

var data = {title: "利用分类",

colors: ['#ffa500','#008000','#0000ff','#c0c0c0'],

labels: ["沙漠","绿地", "海洋","冰川"],

step: 1};

var style = {

bottom: "10px",

right: "450px",

width: "400px",

height: "70px"

};

var legend = ui.Legend(data, style);

Map.addUI(legend);

// 评估训练样本的精度

var checkM = classifer.confusionMatrix();

print("训练矩阵：",checkM);

print("训练矩阵-ACC系数：",checkM.acc(),"训练矩阵-Kappa系数：",checkM.kappa());

// 评估验证样本的精度

var predictResult = sampleTestingFeatures.classify(classifer,"classification");

var errorM=predictResult.errorMatrix("type","classification");

print("验证矩阵：",errorM);

print("验证矩阵-ACC系数：",errorM.acc(),"验证矩阵-Kappa系数：",errorM.kappa());

学习笔记：PIE-Engine监督分类相关推荐

Express engine 学习笔记 - app.engine 的使用方法
看下面这段代码: server.engine('html',ngExpressEngine({bootstrap: AppServerModule,})); app.engine(ext, callb ...
[pyecharts学习笔记]——Pie饼图
基本示例 from pyecharts import options as opts from pyecharts.charts import Pie from pyecharts.faker imp ...
GEE （Google Earth Engine）最基础代码学习笔记三
GEE (Google Earth Engine)代码学习笔记三本次学习核心为:将JavaScript objects and primitives放入Earth Engine 容器传到服务器,并处 ...
【vn.py学习笔记（五）】vn.py Base、Log、Oms、Email Engine源码阅读
[vn.py学习笔记(五)]vn.py Base.Log.Oms.Email Engine源码阅读写在前面 1 BaseEngine 2 LogEngine 3 OmsEngine 3.1 构造函数 ...
Flax Engine（动画系统）学习笔记（三）——骨骼
2021SC@SDUSC 骨骼(skeleton)由刚性的关节(joint)层阶结构构成.(技术上来说,关节就是动画师直接控制的刚性物体,而骨头只是关节之间的空位.但通常来说,游戏引擎并不关注骨头,只 ...
GEE(Google Earth Engine) 最基础代码学习笔记二 —— JavaScript 语言
GEE(Google Earth Engine) 学习笔记二 Javascript 语言 1. 注释 print('Hello World!'); 如果要注释,则在代码前面加//,比如: // pri ...
GEE（Google Earth Engine）代码学习笔记一快速入门
GEE 代码学习笔记一 (GEE 基于JavaScript语言和python语言,我记录的是JavaScript语言) 1.GEE 快速入门 quick start. 2.基本语句 - 简单输出 pr ...
【PIE-Engine Studio学习笔记05】图像分类——非监督分类
[PIE-Engine Studio学习笔记05]图像分类--非监督分类一.图像分类含义图像分类是将图像中每个像元根据其在不同波段的光谱亮度.空间结构特征或者其他信息,按照某种规则或算法划分为不同 ...
mysql5.0镜像_Mysql5.0学习笔记（一）
Mysql5.0学习笔记(一) -基本sql语句与支持字符集 1.登录 mysql -h localhost -u root 2.创建用户firstdb(密码firstdb)和数据库,并赋予权限于fi ...

学习笔记：PIE-Engine监督分类