地球引擎中级教程——基本监督分类改进和混淆矩阵精度评定（案例分析）

最新推荐文章于 2024-03-08 10:00:03 发布
最新推荐文章于 2024-03-08 10:00:03 发布
阅读量756 收藏 1
点赞数
分类专栏： GEE教程训练 文章标签： python GEE 混淆矩阵 监督分类 分类
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_31988139/article/details/120463358
版权
本文深入探讨了如何使用地球引擎（GEE）进行机器学习任务，特别是监督分类的改进。通过应用云掩膜、添加光谱指数（如NDVI、NDBI等）、高程和坡度信息，并进行数据标准化，提升了分类效果。通过这些技术，最终得到了显著改进的分类结果。
摘要由CSDN通过智能技术生成

Earth Engine 数据模型特别适合机器学习任务，因为它能够轻松地将不同空间分辨率、投影和数据类型的数据源合并在一起。通过向分类器提供附加信息，它能够轻松地分离不同的类。在这里，我们采用相同的示例并使用以下技术对其进行扩充

  • 应用云掩膜
  • 添加光谱指数：我们为不同的光谱指数添加波段，例如 - NDVI、NDBI、MNDWI 和 BSI。
  • 添加高程和坡度：我们还添加了来自 ALOS DEM 的坡度和高程带。
  • 标准化输入：当所有输入具有相同的规模时，机器学习模型效果最佳。我们将用最大值划分每个波段。此方法可确保所有输入值都在 0-1 之间。课程补充中提供了更完整和强大的图像归一化
了解本专栏 订阅专栏 解锁全文 超级会员免费看
此星光明
关注
专栏目录
订阅专栏
Google Earth Engine（GEE）——机器学习（监督分类）的精度评定——混淆矩阵！
此星光明博客
08-19 3617
要评估分类器的准确性，请使用ConfusionMatrix(Stehman 1997)。以下示例用于sample()从 MODIS 参考图像生成训练和验证数据，并比较表示训练和验证准确度的混淆矩阵： 函数： confusionMatrix() 根据其训练数据（即：重新代入误差）计算分类器的 2D 混淆矩阵。矩阵的轴 0 对应于输入类，轴 1 对应于输出类。行和列从类 0 开始并按顺序增加到最大类值，因此如果输入类不是基于 0 的或顺序的，则某些行或列可能为空。 Computes a 2D c...
Google Earth Engine（GEE）——监督分类和混淆矩阵精度评定（含kappa函数）
最新发布
此星光明博客
08-21 150
函数： sampleRegions(collection,properties,scale,projection,tileScale,geometries) Converts each pixel of an image (at a given scale) that intersects one or more regions to a Feature, returning them as a FeatureCollection. Each output feature will have ...
机器学习 混淆矩阵（TP TN FP FN） 评价指标（MES（Mean Squared Error）-- 分类 “准确率（Accuracy），精确率（查准率 Precision） 内容详细介绍
不止顾望 不怠所学
03-08 1130
机器学习 混淆矩阵（TP TN FP FN） 评价指标（MES（Mean Squared Error）-- 分类 “准确率（Accuracy），精确率（查准率 Precision）
【分类模型评判指标 一】混淆矩阵(Confusion Matrix)
weixin_30471065的博客
05-25 1560
转自：https://blog.csdn.net/Orange_Spotty_Cat/article/details/80520839略有改动，仅供个人学习使用 简介 混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。 一句话解释版本：混淆矩阵就是分别统计分类模型归错类，归对类的观测值个数，然后把结果放在一个表里展示出来。这个...
混淆矩阵纠正
qq_37602161的博客
06-23 185
睿智的目标检测20——利用mAP计算目标检测精确度 浅析混淆矩阵
地球引擎保姆级教程——机器学习中Cart回归树/随机森林土地分类包含精度评定和结果验证（混淆矩阵）
此星光明博客
11-15 1331
function maskL8sr(image) { // Bit 0 - Fill // Bit 1 - Dilated Cloud // Bit 2 - Cirrus // Bit 3 - Cloud // Bit 4 - Cloud Shadow var qaMask = image.select('QA_PIXEL').bitwiseAnd(parseInt('11111', 2)).eq(0); var saturationMask = image.select(...
ENVI监督分类、非监督分类及精度评定详细教程
04-14
ENVI（Environment for Visualizing Images）是一款强大的遥感图像处理和分析软件，其中的监督分类是遥感图像分析中常用的一种技术。监督分类是基于已知类别的样本像元来识别未知类别像元的过程。在进行监督分类前，...
Google Earth Engine（GEE）——土地分类/覆盖案例分析含各类土地面积统计和精度评定（印度班加罗尔为例）
此星光明博客
03-07 2321
这里有一个函数需要重新回顾一下：这个函数只适用于TOA影像 ee.Algorithms.Landsat.simpleComposite(collection,percentile,cloudScoreRange,maxDepth,asFloat) 从陆地卫星原始场景的集合中计算出陆地卫星TOA合成。它应用标准的TOA校准，然后使用SimpleLandsatCloudScore算法给每个像素分配一个云分。它在每个点上选择可能的最低云分范围，然后从被接受的像素中计算出每个波段的百分位值。该算法还...
监督分类的具体步骤（依据高分辨率计算混淆矩阵）
qq_41828818的博客
07-25 3773
好久没更新了，暑假的我貌似有些不务正业，晃晃悠悠的每天。最近河南暴雨、南京疫情，我的不务正业也随之停止，不过带球挺有意思。希望接下来的一切都能顺利！最近也在关注奥运会，昨天看了乒乓球赛，运动精神永远的神，又回想起来四年前代表学校第一次参加省运会，每赢一个球，队友的呐喊声，到现在都无法忘怀。作为女队队长，四年来大大小小的比赛，虽然没有怎么为母校带来很多荣誉，但是球队的凝聚力和队友的帮助，这辈子铭记于心。 坐在办公室窗户前，外面乌云密布，说下雨来着，也一直没有下，办公室还是熙熙攘攘的那几个人，很多次怀疑自己的能
混淆矩阵
Tanya_girl的博客
11-21 806
看例子很快就能理解：
混淆矩阵的思考
HDuBois的博客
08-30 343
1、先上图
混淆矩阵（Confusion Matrix）
fhy567888的博客
10-07 2万+
混淆矩阵是一种用于评估分类模型性能的重要工具。它通过矩阵形式清晰地展示了模型对样本进行分类的结果，帮助我们理解模型在不同类别上的表现。混淆矩阵概述混淆矩阵是一个二维矩阵，用于总结分类模型在不同类别上的预测结果，包括 True Positive (TP)、False Negative (FN)、False Positive (FP)、True Negative (TN)。性能指标准确率（Accuracy）：模型正确分类的样本占总样本数的比例。精确率（Precision）
ENVI监督分类及精度评价
热门推荐
zhoulong_giser
02-24 5万+
最近协助同学做了完整的监督分类数据，特此记录下来。对于ENVI监督分类，是每一个遥感从业者掌握的最基础的一个方法，但是完整的监督分类流程和精度评价，估计往往认识不够，所以以下的分享还是有点意义。 监督分类，又称训练分类法，用被确认类别的样本像元去识别其他未知类别像元的过程。它就是在分类之前通过目视判读和野外调查，对遥感图像上某些样区中影像地物的类别属性有了先验知识，对每一种类别选取一定数量的训练...
监督学习算法模型评估
跟着大数据和AI去旅行
03-03 2241
在分类模型评判的指标中，常见的方法有如下三种： 混淆矩阵（也称误差矩阵，Confusion Matrix） ROC曲线 AUC值 在回归模型评价指标中，常用的方法有如下几种： MSE RMSE MAE R2 混淆矩阵(Confusion matrix) 在机器学习领域中，混淆矩阵（confusion matrix）是一种评价分类模型好坏的形象化展示工具。 混淆矩阵的定义 混淆矩阵是ROC曲...
[学习笔记]有监督机器学习的评价方法
qq_25888559的博客
10-01 320
1.混淆矩阵（Confusion Matrix） 混淆矩阵主要用于比较分类结果和实际预测值，并可以把分类结果的精度显示在一个混淆矩阵中，如表1所示。混淆矩阵表达含义： 混淆矩阵的每一列代表了分类器对于样本的类别预测，每一列的总数表示预测为该类别的样本的数目； 混淆矩阵的每一行代表了样本所属的真实类别，每一行的样本总数表示该类别的样本实例的数目；每一列中的数值表示真实样本被预测为该类的数目。 （1）基本概念介绍。 真正例（True Positive，简称TP）：样本是正例被预测为正例。 假正例（Fa
分类精度评价：混淆矩阵+总体精度OA、F1值等
M_try的博客
08-02 4万+
整理 归纳 举例 记录一下 （一）混淆矩阵 混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。   Predicted as Positive（预测-正例） Predicted as Negative（预测-反例） Labeled as Positive （真实-正例） True Positive(TP-真正例) False Nega...
混淆矩阵及其评价指标
weixin_45634365的博客
02-01 5747
1、混淆矩阵 混淆矩阵也称误差矩阵，是表示精度评价的一种标准格式，用n行n列的矩阵形式来表示。在人工智能中，混淆矩阵是可视化工具，特别用于监督学习。 混淆矩阵的每一列代表了预测类别，每一列的总数表示预测为该类别的数据的数目；每一行代表了数据的真实归属类别，每一行的数据总数表示该类别的数据实例的数目。 预测值 Positive Negative 真实值 Positive .
ENVI监督与非监督分类详解及精度评估实战
本篇教程详细介绍了ENVI软件中监督分类和非监督分类的原理与实践过程，以及精度评定的关键步骤。监督分类是一种基于先验知识的图像分类方法，首先通过目视解译或实地调查获取已知类别的样本，这些样本用于训练模型，...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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

打赏作者

此星光明

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
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