Tôi quan tâm đến việc tìm hiểu phần mềm nào tồn tại để phân loại đất bằng thuật toán học máy (ví dụ: k-NN, Rừng ngẫu nhiên, cây quyết định, v.v.) Tôi biết về gói RandomForest trong R và SỮA và SPy trong Python.
Những thuật toán học máy nguồn mở hoặc thương mại nào tồn tại phù hợp với phân loại che phủ đất?
Câu trả lời:
Tôi phải nói rằng môi trường phần mềm hoàn chỉnh nhất cho Mô hình học máy và mô hình không tham số là R. Đây là một lĩnh vực lớn trong thống kê, bao gồm K-NN, làm mịn hạt nhân, Mô hình phụ gia chung, người học yếu, vectơ hỗ trợ, lưới thần kinh, bán hồi quy spline -parametric, imputation, v.v ... Tôi rất khuyên bạn nên đọc: Hastie, T., R. Tibshirani, J. Friedman (2009) Các yếu tố của học thống kê: Khai thác dữ liệu, suy luận và dự đoán. Sê-ri Springer trong Thống kê.
Bên cạnh R, phần mềm thương mại của Salford Systems có Rừng ngẫu nhiên, Spline hồi quy thích ứng đa biến, GIỎ HÀNG và Tăng cường độ dốc (TreeNet) có sẵn trong môi trường GUI. RuleQuest vẫn đang bán See5 / C5, đây là phiên bản cập nhật của thuật toán GIỎ HÀNG C4 / ID3. Weka 3 của Đại học Waikato là một nỗ lực Java / Commandline Java mã nguồn mở với số lượng lớn các mô hình có sẵn.
Tôi thực sự muốn giới thiệu scikits-learn cho Python. Nó hỗ trợ phân loại có giám sát và không giám sát và tài liệu rất tuyệt vời (đặc biệt xem hướng dẫn Phân tích dữ liệu thiên văn học máy và video YouTube đi kèm (lưu ý: thời lượng này dài 3 giờ)).
Dự án đang được phát triển tích cực, với phiên bản cuối cùng là 0.12 được phát hành vào tháng Chín.
Đối với những gì gói có khả năng, hãy xem Hàng xóm gần nhất , Rừng ngẫu nhiên (theo Phương thức của Makeembe) và Cây quyết định để sử dụng các ví dụ bạn đã đưa ra.
Thật không may, không có GUI trừ khi bạn muốn dành thời gian để xây dựng một cái, nhưng tôi khuyên dùng iPython IDE như một môi trường kịch bản tương tác tuyệt vời, bao gồm các lô nội tuyến với matplotlib trong bảng điều khiển QT.
Một tổng quan tốt về các kỹ thuật học máy trong R là nhiệm vụ học máy . Nó cung cấp một loạt các thuật toán khác nhau, được khuyến nghị bởi các chuyên gia.
Câu hỏi của bạn giả định rằng các thuật toán học máy để phân loại đất bằng cách nào đó khác với phần mềm được sử dụng cho các ứng dụng học máy khác. Có một số ứng dụng yêu cầu xử lý đặc biệt vì những đặc điểm khác thường, nhưng không có lý do gì tôi biết để nghĩ rằng sử dụng đất cần được đối xử đặc biệt. Nếu dữ liệu sử dụng đất có thể được đưa vào một hình thức phân cách bằng dấu phẩy tiêu chuẩn, các công cụ hiện có như R sẽ hoạt động tốt. Bây giờ có thể có hoặc không có phần mềm Sử dụng đất sử dụng các mô hình được phát hiện từ các kỹ thuật học máy, nhưng đó là một câu hỏi khác.
Chỉnh sửa sau phản ứng đầu tiên. -> Hầu hết các gói chính cho học máy đều có một số công cụ để trực quan hóa không gian, mặc dù tất nhiên chúng có thể không đáp ứng nhu cầu cụ thể của bạn. Ví dụ, bạn có quen thuộc với thư viện sp cho R dành cho trực quan hóa dữ liệu không gian không? Hãy xem liệu tôi có thể tìm thấy một liên kết thích hợp mang lại hương vị của những gì bạn có thể làm với nó không.
http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization Để có danh sách rộng hơn các công cụ hữu ích cho phân tích không gian trong R, bạn có thể muốn xem http: //cran.r- project.org/web/view/Spatial.html vì điều này bao gồm các công cụ cho Địa lý học, phân tích sinh thái và tương tự.
Có một nhóm trong Đại học Duke đã phát triển một số công cụ kịch bản thú vị cho ArcGIS, bao gồm các mô hình rừng ngẫu nhiên.
Công cụ sinh thái không gian biển
Bạn cũng có thể thực hiện phân loại đất bằng plugin DT classifier (Trình phân loại cây quyết định) cho QGIS . Nó cung cấp giao diện đơn giản để phân loại dữ liệu raster bằng cách sử dụng cây quyết định, để thực hiện trong QGIS.
