อัลกอริทึมการเรียนรู้ของเครื่องสำหรับการจำแนกที่ดินปกคลุม


37

ฉันสนใจที่จะเรียนรู้ว่ามีซอฟต์แวร์ใดบ้างสำหรับการจำแนกประเภทที่ดินโดยใช้อัลกอริทึมการเรียนรู้ของเครื่อง (เช่น k-NN, Random Forest, ต้นไม้ตัดสินใจเป็นต้น) ฉันตระหนักถึงแพ็คเกจRandomForestใน R และMILKและSPyใน Python

มีกลไกการเรียนรู้แบบโอเพนซอร์ซเชิงพาณิชย์ใดบ้างที่เหมาะกับการจำแนกประเภทคลุมดิน?

คำตอบ:


34

ฉันต้องบอกว่าสภาพแวดล้อมซอฟต์แวร์ที่สมบูรณ์แบบที่สุดสำหรับการเรียนรู้ของเครื่องและการสร้างแบบจำลองที่ไม่ใช่พารามิเตอร์คืออาร์นี่เป็นสาขาใหญ่ในด้านสถิติซึ่งประกอบไปด้วย K-NN, การทำให้เรียบของเคอร์เนล - การถดถอยเชิงเส้นอิสระการใส่ความและอื่น ๆ ... ฉันขอแนะนำให้อ่าน: Hastie, T. , R. Tibshirani, J. Friedman (2009) องค์ประกอบของการเรียนรู้ทางสถิติ: การทำเหมืองข้อมูลการอนุมานและการทำนาย Springer Series ในสถิติ

นอกจาก R ซอฟต์แวร์เชิงพาณิชย์ของ Salford Systems ยังมีป่าสุ่ม, ตัวแปรหลายตัวแปรแบบปรับตัวได้, CART และ Gradient Boosting (TreeNet) ที่มีอยู่ในสภาพแวดล้อม GUI RuleQuest ยังคงขาย See5 / C5 ซึ่งเป็น C4 / ID3 CART รุ่นปรับปรุงใหม่ Weka 3 ของ University of Waikato เป็นความพยายาม GUI / Commandline Java แบบโอเพ่นซอร์สที่มีรุ่นจำนวนมาก


1
@Aaron FYI, Falk Hutterman และตัวฉันเองกำลังสอนเวิร์คช็อปที่การประชุม US-IALE (Landscape Ecology) 2013 ที่ Austin, TX เรามุ่งเน้นที่จะใช้ R สำหรับการเรียนรู้ของเครื่องและการสร้างแบบจำลองที่ไม่ใช่พารามิเตอร์ ฉันจะให้คำแนะนำเกี่ยวกับการใช้วัตถุเชิงพื้นที่ใน R สำหรับการเตรียมข้อมูลและสเปคของโมเดล
Jeffrey Evans

23

ฉันขอแนะนำScikits-Learnสำหรับ Python สนับสนุนการจัดหมวดหมู่ภายใต้การดูแลและไม่มีการดูแลและเอกสารประกอบนั้นยอดเยี่ยม (โดยเฉพาะอย่างยิ่งลองดูการเรียนรู้ของเครื่องสำหรับการวิเคราะห์ข้อมูลทางดาราศาสตร์และวิดีโอ YouTube ที่ประกอบขึ้นมา(หมายเหตุ: ยาว 3 ชั่วโมง)

โครงการอยู่ระหว่างการพัฒนาอย่างแข็งขันโดยเวอร์ชั่นสุดท้ายคือ 0.12 ซึ่งเปิดตัวในเดือนกันยายน

เป็นสิ่งที่แพคเกจที่มีความสามารถในการดูเพื่อนบ้านที่ใกล้ที่สุด , สุ่มป่า (ภายใต้วิธีการ Ensembe) และการตัดสินใจต้นไม้ที่จะใช้ตัวอย่างที่คุณให้

น่าเสียดายที่ไม่มี GUI ยกเว้นคุณต้องการอุทิศเวลาในการสร้าง แต่ฉันขอแนะนำiPython IDE เป็นสภาพแวดล้อมการเขียนสคริปต์แบบโต้ตอบที่ยอดเยี่ยมรวมถึงแปลงในบรรทัดด้วย matplotlib ในคอนโซล QT



6

คำถามของคุณสมมติว่าอัลกอริทึมการเรียนรู้ของเครื่องจักรสำหรับการจำแนกที่ดินนั้นแตกต่างจากซอฟต์แวร์ที่ใช้สำหรับแอปพลิเคชันการเรียนรู้ของเครื่องจักรอื่น ๆ มีแอปพลิเคชั่นบางตัวที่ต้องการการดูแลเป็นพิเศษเนื่องจากมีลักษณะผิดปกติ แต่ไม่มีเหตุผลที่ฉันรู้ว่าการใช้ที่ดินนั้นต้องการการดูแลเป็นพิเศษ หากข้อมูลการใช้ที่ดินสามารถใส่ลงในรูปแบบที่คั่นด้วยจุลภาคมาตรฐานเครื่องมือที่มีอยู่เช่น R ควรทำอะไรได้ดี ขณะนี้อาจมีซอฟต์แวร์การใช้ที่ดินที่ใช้โมเดลที่ค้นพบจากเทคนิคการเรียนรู้ของเครื่อง แต่อาจเป็นหรือไม่ก็ได้

แก้ไขหลังจากการตอบกลับครั้งแรก -> แพ็คเกจที่สำคัญที่สุดสำหรับการเรียนรู้ของเครื่องมีเครื่องมือบางอย่างสำหรับการสร้างภาพเชิงพื้นที่แม้ว่าแน่นอนว่าอาจไม่ตรงกับความต้องการเฉพาะของคุณ ตัวอย่างเช่นคุณคุ้นเคยกับไลบรารี sp สำหรับ R ซึ่งมีจุดประสงค์เพื่อการสร้างภาพข้อมูลเชิงพื้นที่หรือไม่? ลองดูว่าฉันสามารถหาลิงค์ที่เหมาะสมที่ให้รสชาติของสิ่งที่คุณสามารถทำได้

http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization สำหรับรายการเครื่องมือที่มีประโยชน์สำหรับการวิเคราะห์เชิงพื้นที่ใน R คุณอาจต้องการดูhttp: //cran.r- project.org/web/views/Spatial.htmlเนื่องจากมีเครื่องมือสำหรับธรณีศาสตร์การวิเคราะห์เชิงนิเวศน์และอื่น ๆ


5

คุณได้ดู eCognition หรือไม่? ด้วยเวอร์ชั่นใหม่ของพวกเขา (8.9) พวกเขาให้อัลกอริทึมป่าแบบสุ่มภายในสภาพแวดล้อม GUI คุณสามารถสร้างแผนผังกระบวนการที่ดีและรวมถึงคุณสมบัติของวัตถุ ป้อนคำอธิบายรูปภาพที่นี่


4

มีกลุ่มจากมหาวิทยาลัย Duke ที่พัฒนาเครื่องมือสคริปต์ที่น่าสนใจสำหรับ ArcGIS รวมถึงโมเดลฟอเรสต์แบบสุ่ม

เครื่องมือนิเวศวิทยาธรณีวิทยาทางทะเล

ป้อนคำอธิบายรูปภาพที่นี่


2
กล่องเครื่องมือ MGET เป็นเพียงเครื่องมือห่อหุ้มสำหรับ R หากคุณมีความสามารถในการใช้ R คุณสามารถหลีกเลี่ยงอาการปวดหัวจำนวนมากที่เรียกใช้ R ผ่าน ArcGIS ผ่าน Python (Rpy2) คุณไม่มีความยืดหยุ่นในการใช้เครื่องมืออื่น ๆ ใน R ที่สามารถนำไปใช้กับวัตถุแบบ RF, GAM, การถดถอยหรือ CART
Jeffrey Evans

4

นอกจากนี้คุณยังสามารถทำจำแนกประเภทที่ดินที่มีDTclassifier (ต้นไม้การตัดสินใจลักษณนาม) ปลั๊กอินสำหรับ QGIS มันมีอินเตอร์เฟสที่ใช้งานง่ายสำหรับการจำแนกข้อมูลแรสเตอร์โดยใช้แผนผังการตัดสินใจเพื่อดำเนินการภายใน QGIS

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.