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:
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.
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.
Хороший огляд методів машинного навчання в R - це перегляд завдань машинного навчання . Він пропонує безліч різних алгоритмів, рекомендованих експертами.
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.
Існує група з університету Дюка, яка розробила кілька цікавих інструментів сценарію для ArcGIS, включаючи випадкові лісові моделі.
Морські геопросторові екологічні засоби
Ви також можете здійснити класифікацію земель за допомогою плагіна DTclassifier (класифікатор дерева рішень) для QGIS . Він пропонує простий інтерфейс для класифікації растрових даних за допомогою дерев рішень для виконання в рамках QGIS.
