Google Earth Engine（GEE）——不同决策树数量分类精度对比分析（随机森林分类为例）

为了说明关于分类准确性的一些基本想法，我们将重新审视第F2.1章的部分数据和位置，在那里我们测试了不同的分类器，并对意大利米兰周围地区的大地卫星图像进行了分类。我们将这个数据集命名为'data'。这个变量是一个FeatureCollection，其特征包含 "类 "值（表F2.2.1）和四个土地覆盖/土地利用类别的光谱信息：森林、发达、水和草本（见图F2.1.8和图F2.1.9的复习）。我们还将定义一个变量，predictionBands，这是一个用于预测（分类）的波段列表--数据变量中的光谱信息。

Table F2.2.1 Land cover classes

Class	Class value
Forest	0