Gee中的数字和矩阵混合运算方法

Gee中的数字和矩阵混合运算方法

print(Math.cos(40 * Math.PI/180)) // Client-side
print(ee.Number(40 * Math.PI/180).cos()) // Server-side (For ee.Number and ee.Image)

https://gis.stackexchange.com/questions/359702/calculate-sine-and-cosine-in-google-earth-engine

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
根据引用[1]的定义,混淆矩阵可以用来计算分类算法的准确率、精确率、召回率和F1得分等指标。其,召回率(Recall)是指分类器正确识别出的正样本数占所有正样本数的比例,即: Recall = TP / (TP + FN) 其,TP表示真正例(True Positive),即实际为正例且被分类器预测为正例的样本数;FN表示假反例(False Negative),即实际为正例但被分类器预测为负例的样本数。 在GEE,可以使用混淆矩阵来评估分类算法的性能,包括计算召回率。具体步骤如下: 1. 在GEE加载分类结果图层和真实分类图层。 2. 使用reduceRegion()函数将分类结果图层和真实分类图层转换为图像区域,得到两个区域对象。 3. 使用confusionMatrix()函数计算混淆矩阵,得到一个包含混淆矩阵信息的字典对象。 4. 从混淆矩阵字典对象获取真正例(TP)和假反例(FN)的数量,计算召回率。 下面是一个示例代码,演示如何在GEE计算分类算法的召回率: ```javascript // 加载分类结果图层和真实分类图层 var classified = ee.Image('CLASSIFIED_IMAGE'); var reference = ee.Image('REFERENCE_IMAGE'); // 将图层转换为图像区域 var classifiedRegion = classified.reduceRegion({ reducer: ee.Reducer.mode(), geometry: geometry, scale: 30, maxPixels: 1e9 }); var referenceRegion = reference.reduceRegion({ reducer: ee.Reducer.mode(), geometry: geometry, scale: 30, maxPixels: 1e9 }); // 计算混淆矩阵 var confusionMatrix = ee.ConfusionMatrix(classifiedRegion.get('classification'), referenceRegion.get('classification')); // 获取真正例和假反例的数量 var TP = confusionMatrix.get('truePositives'); var FN = confusionMatrix.get('falseNegatives'); // 计算召回率 var recall = TP.divide(TP.add(FN)); print('Recall:', recall); ```

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值