Ben yazılım makine öğrenme algoritmaları (örneğin k-NN, Rastgele Orman, karar ağaçları, vb) ben farkındayım kullanılarak arazi sınıflandırma için var olanı öğrenme ilgilenen am randomForest R ve paketin SÜT ve casus Python.
Arazi örtüsü sınıflandırması için uygun olan hangi açık kaynaklı veya ticari makine öğrenme algoritmaları var?
Yanıtlar:
Makine Öğrenimi ve parametrik olmayan modelleme için en eksiksiz yazılım ortamının R olduğunu söylemek zorundayım. Bu istatistik, K-NN, Çekirdek düzleştirme, Genel Katkı Modelleri, zayıf öğrenenler, destek vektörleri, sinir ağları, yarıya yayılan büyük bir alandır. -parametrik spline regresyon, empoze vb. okumayı şiddetle tavsiye ederim: Hastie, T., R. Tibshirani, J. Friedman (2009) İstatistiksel Öğrenmenin Öğeleri: Veri Madenciliği, Çıkarım ve Tahmin. İstatistikte Springer Serileri.
R'nin yanında, Salford Systems'ın ticari yazılımı, GUI ortamında bulunan Rastgele Ormanları, Çok Değişkenli Adaptif Regresyon Spline'ları, CART ve Degrade Arttırmaya (TreeNet) sahiptir. RuleQuest hala C4 / ID3 CART algoritmasının güncellenmiş bir versiyonu olan See5 / C5 satmaktadır. Waikato'daki Weka 3 Üniversitesi, çok sayıda modelin bulunduğu açık kaynaklı bir GUI / Commandline Java çalışmasıdır.
Python için bilim-öğrenmeyi şiddetle tavsiye ederim . Denetimli ve denetimsiz sınıflandırmayı destekler ve belgeler mükemmeldir (özellikle Astronomik Veri Analizi için Makine Öğrenimi öğreticisine ve beraberindeki YouTube videosuna bakın (not: bu 3 saattir).
Proje aktif olarak geliştirilmekte olup, son versiyonu Eylül ayında piyasaya sürülen 0.12'dir.
Paketin yapabileceklerini gelince, bkz. En Yakın Komşular , Rastgele Orman (Ensembe Metodları altında) ve Verdiğiniz örnekleri kullanmak için Karar Ağaçları .
Maalesef GUI'ye zaman ayırmak istemediğiniz sürece GUI yok, ancak iPython IDE'yi , QT konsolunda matplotlib içeren satır içi grafikler de dahil olmak üzere mükemmel bir etkileşimli komut dosyası ortamı olarak tavsiye ederim .
R'deki makine öğrenimi tekniklerine genel bir bakış, makine öğrenimi görev görüşüdür . Uzmanlar tarafından önerilen çeşitli algoritmalar sunar.
Sorunuz, arazi sınıflandırması için makine öğrenmesi algoritmalarının bir şekilde diğer makine öğrenimi uygulamaları için kullanılan yazılımlardan farklı olduğunu varsayar. Sıra dışı özelliklerden dolayı özel işlem gerektiren bazı uygulamalar var, ancak arazi kullanımının özel işlem gerektirdiğini düşünmem için hiçbir neden yok. Arazi kullanım verileri standart bir virgülle ayrılmış forma sokulabilirse, R gibi mevcut araçlar gayet iyi yapmalıdır. Şimdi, makine öğrenme tekniklerinden keşfedilen modelleri kullanan Arazi Kullanımı yazılımı olabilir veya olmayabilir, ancak bu farklı bir soru.
İlk yanıttan sonra düzenlenir. -> Makine öğrenmesi için ana paketlerin çoğunun mekansal görselleştirme için bazı araçları vardır, ancak elbette sizin özel gereksinimlerinizi karşılamıyor olabilirler. Örneğin, mekansal veri görselleştirmesi için tasarlanan R için sp kitaplığına aşina mısınız? Bakalım onunla ne yapabileceğinizin lezzetini veren uygun bir bağlantı bulabilir miyim?
http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization R’de uzay analizi için faydalı araçların daha kapsamlı bir listesi için http: //cran.r Proje.org/web/views/Spatial.html , Geostatistics, ekolojik analiz ve benzeri araçlar içerir.
Rastgele orman modelleri de dahil olmak üzere ArcGIS için ilginç senaryo araçları geliştiren Duke Üniversitesi'nden bir grup var.
Denizel Mekansal Ekoloji Araçları
QGIS için arazi sınıflandırmasını DTclassifier (Karar Ağacı sınıflandırıcısı) eklentisi ile de yapabilirsiniz . QGIS içinde gerçekleştirmek üzere karar ağaçları kullanılarak raster verilerinin sınıflandırılması için basit bir arayüz sağlar.
