Google Earth Engine（GEE）——机器学习（监督分类1）样本数据为点要素
【摘要】
监督分类
该Classifier包通过在 Earth Engine 中运行的传统 ML 算法处理监督分类。这些分类器包括 CART、RandomForest、NaiveBayes 和 SVM。分类的一般工作流程是：
收集训练数据。组合具有存储已知类标签的属性和存储预测变量数值的属性的特征。
实例化一个分类器。...
监督分类
该Classifier包通过在 Earth Engine 中运行的传统 ML 算法处理监督分类。这些分类器包括 CART、RandomForest、NaiveBayes 和 SVM。分类的一般工作流程是：
- 收集训练数据。组合具有存储已知类标签的属性和存储预测变量数值的属性的特征。
- 实例化一个分类器。如有必要，设置其参数。
- 使用训练数据训练分类器。
- 对图像或特征集合进行分类。
- 使用独立的验证数据估计分类错误。
训练数据FeatureCollection具有存储类标签的属性和存储预测变量的属性。类标签应该是连续的，从 0 开始的remap()整数。如有必要，用于将类值转换为连续整数。预测变量应该是数字。
训练和/或验证数据可以来自各种来源。要在 Earth Engine 中以交互方式收集训练数据，您可以使用几何绘
文章来源: blog.csdn.net，作者：此星光明2021年博客之星云计算Top3，版权归原作者所有，如需转载，请联系作者。
原文链接：blog.csdn.net/qq_31988139/article/details/119787772
【版权声明】本文为华为云社区用户转载文章，如果您发现本社区中有涉嫌抄袭的内容，欢迎发送邮件进行举报，并提供相关证据，一经查实，本社区将立刻删除涉嫌侵权内容，举报邮箱：
cloudbbs@huaweicloud.com
- 点赞
- 收藏
- 关注作者
评论（0）