提高机器学习模型准确性的推荐最佳实践是调整不同的参数。例如,在使用ee.Classifier.smileRandomForest()
分类器时,我们必须指定Number of Trees。我们知道更多的树会导致更多的计算需求,但这并不一定会导致更好的结果。我们不是猜测,而是以编程方式尝试一系列值并选择可能导致最高准确度的最小值。
代码:
var s2 = ee.ImageCollection("COPERNICUS/S2_SR");
var basin = ee.FeatureCollection("WWF/HydroSHEDS/v1/Basins/hybas_7");
var gcp = ee.FeatureCollection("users/ujavalgandhi/e2e/arkavathy_gcps");
var alos = ee.Image("JAXA/ALOS/AW3D30/V2_2");
var arkavathy = basin.filter(ee.Filter.eq('HYBAS_ID', 4071139640))
var boundary = arkavathy.geometry()
var rgbVis = {
min: 0.0,
max: 3000,
bands: ['B4', 'B3', 'B2'],
};
// 从Sentinel-2 SR图像中去除云和雪像素的功能
functio