Алгоритми машинного навчання для класифікації земельних покривів


37

Мені цікаво дізнатися, яке програмне забезпечення існує для класифікації земель за допомогою алгоритмів машинного навчання (наприклад, k-NN, Random Forest, дерева рішень тощо) Мені відомий пакет randomForest в R та MILK та SPy в Python.

Які алгоритми машинного навчання з відкритим кодом або з комерційним методом навчання, які підходять для класифікації земельного покриву?

Відповіді:


34

Я б сказав, що найповніше програмне середовище для машинного навчання та непараметричного моделювання - це Р. Це велике поле статистики, що охоплює K-NN, згладжування ядра, Моделі загальних добавок, слабкі студенти, вектори підтримки, нейронні мережі, напів - параметрична регресія сплайну, імпутація тощо ... Я настійно рекомендую прочитати: Хасті, Т., Р. Тібшірані, Дж. Фрідман (2009). Елементи статистичного навчання: обмін даними, висновки та прогнозування. Серінг Спрінгер у статистиці.

Окрім R, комерційне програмне забезпечення від Salford Systems має випадкові ліси, багатоваріантну адаптивну регресійну сплайсинг, CART та Gradient Boosting (TreeNet), наявні в середовищі GUI. RuleQuest все ще продає See5 / C5, що є оновленою версією алгоритму CART C4 / ID3 CART. Університет Вайкато 3 Weka 3 - це відкритий код GUI / Commandline Java із великою кількістю моделей.


1
@Aaron FYI, Falk Hutterman і я викладаємо семінар на зустрічі US-IALE (Landscape Ecology) 2013 в Остіні, Техас. Наша увага буде зосереджена на використанні R для машинного навчання та непараметричного моделювання. Я також надам вступ до використання просторових об'єктів у R для підготовки даних та конкретизації моделей.
Джефрі Еванс

23

Я настійно рекомендую науковців для навчання Python. Він підтримує контрольовану та непідконтрольну класифікацію, а документація є чудовою (зокрема, ознайомтеся з підручником « Машинне навчання для астрономічного аналізу даних» та супровідним відео YouTube (зверніть увагу: це тривалість 3 години).

Проект знаходиться в стадії активного розвитку, остання версія - 0,12, яка вийшла у вересні.

Щодо того, на що здатний пакунок, див. Найближчі сусіди , Випадковий ліс (за методами Ensembe) та Дерева рішень, щоб використовувати наведені вами приклади.

На жаль, немає графічного інтерфейсу, якщо ви не хочете присвятити час його побудові, але я б рекомендував iPython IDE як чудове інтерактивне сценарій, включаючи вбудовані сюжети з matplotlib в консолі QT.



6

Ваше запитання передбачає, що алгоритми машинного навчання для класифікації земель якимось чином відрізняються від програмного забезпечення, яке використовується для інших програм машинного навчання. Є деякі програми, які потребують спеціального поводження через незвичні характеристики, але я не знаю жодних причин вважати, що використання земель потребує особливої ​​обробки. Якщо дані про землекористування можна ввести у стандартну розмежувану кому форму, то наявні інструменти, такі як R, повинні робити добре. Зараз може бути, а може і не бути програмним забезпеченням Land Use, яке використовує моделі, виявлені з техніки машинного навчання, але це вже інше питання.

Відредаговано після першої відповіді. -> Більшість основних пакетів машинного навчання мають деякі засоби просторової візуалізації, хоча, звичайно, вони можуть не відповідати вашим конкретним потребам. Наприклад, чи знайомі ви з бібліотекою sp для R, яка призначена для візуалізації просторових даних? Давайте подивимось, чи можу я знайти відповідне посилання, яке надає аромат того, що ви можете з цим зробити.

http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization Для більш широкого переліку інструментів, корисних для просторового аналізу в R, ви можете подивитися на http: //cran.r- project.org/web/views/Spatial.html, оскільки це включає інструменти для геостатистики, екологічного аналізу тощо.


5

Чи ознайомилися ви з електронним пізнанням? Своєю новою версією (8.9) вони надають алгоритм випадкових лісів у середовищі GUI. Ви можете створювати непогані дерева обробки та включати функції об’єкта. введіть тут опис зображення


4

Існує група з університету Дюка, яка розробила кілька цікавих інструментів сценарію для ArcGIS, включаючи випадкові лісові моделі.

Морські геопросторові екологічні засоби

введіть тут опис зображення


2
Пакет інструментів MGET - це просто обгортка для R. Якщо у вас є можливість використовувати R, ви можете уникнути значного головного болю, викликаючи R через ArcGIS, через Python (Rpy2). Ви також не маєте гнучкості у використанні інших інструментів R, які можна застосувати до отриманих об'єктів RF, GAM, регресії або CART.
Джеффрі Еванс

Використовуючи наш веб-сайт, ви визнаєте, що прочитали та зрозуміли наші Політику щодо файлів cookie та Політику конфіденційності.
Licensed under cc by-sa 3.0 with attribution required.