内容简介:随机森林是一种很灵活实用的方法,具有如下几个特点:
随机森林简介
作为新兴起的、高度灵活的一种机器学习算法,随机森林( Random Forest , RF )拥有广泛的应用前景。随机森林就是通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策树,而它的本质属于机器学习的一大分支—集成学习( Ensemble Learning )方法。从直观角度来解释,每棵决策树都是一个分类器,那么对于一个输入样本, N 棵树会有 N 个分类结果。而随机森林集成了所有的分类投票结果,将投票次数最多的类别指定为最终的输出。
随机森林的特点
随机森林是一种很灵活实用的方法,具有如下几个特点:
l 在当前所有算法中,具有极好的准确率
l 能够有效地运行在大数据集上
l 能够处理具有高维特征的输入样本,而且不需要降维
l 能够评估各个特征在分类问题上的重要性
l 在生成过程中,能够获取到内部生成误差的一种无偏估计
l 对于缺省值问题也能够获得很好得结果
实际上,随机森林的特点不只有这六点,它就相当于机器学习领域的 Leatherman (多面手),你几乎可以把任何东西扔进去,它基本上都是可供使用的。在估计推断映射方面特别好用,以致都不需要像 SVM 那样做很多参数的调试 。
具体的随机森林介绍可以参见随机森林主页: https://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm#inter
以上内容摘自: http://www.cnblogs.com/maybe2030/p/4585705.html
基本功能
基于随机森林算法实现影像监督分类。
版本要求
ENVI5.3 及以上。
工具安装方法
有以下两种安装方式,推荐使用 ENVI App Store 安装该扩展工具 。
l ENVI App Store 安装
1 ) ENVI App Store 工具见 http://www.enviidl.com/appstore/ 。
2 )在 ENVI App Store 找到“随机森林分类工具”,点击 Install App 进行安装。
3 )重启 ENVI 。
l 手动安装
1) 下载链接: https://pan.baidu.com/s/19jDShxRy6zctzDAstZwIWw 密码: qppt
2) 下载 ENVIRandomForestClassification.zip ,将解压后的 custom_code 和 extensions 文件夹拷贝到 …\ENVI5X\ 下,覆盖并替换;
3 )重启 ENVI 。
使用说明
一.启动
在 Tool Box 中,打开 /Extensions/Random Forest Classification ,工具界面如下图所示。
图 Random Forest 分类 工具 参数面板
二.参数设置
l Input Raster :待分类影像
l Input Train ROIs :训练样本,格式为 *.xml 或者 *.roi ;可基于 ROI 工具构建。对于 ENVI 5.3 及 5.3.1 ,在选择 Input Train ROIs 有可能弹出如下提示:
解决方法有两个:
1) 启动工具前就将训练样本和与之关联的待分类影像在 ENVI 中打开;
2) 在选择“ Input Raster ”时同时选中待分类影像和训练样本并打开。
l Number of Trees :随机森林树的数量,值越大,构建耗时越长,反之用时越少。默认为 100
l Number of Features :特征数量,默认使用“ Square Root ”方法,即 Number of Features=sqrt(nb) ;若选择“ Log ”方法,则 Number of Features=log(nb) 。其中 nb 为输入的待分类影像波段数
l Min Node Samples : Minimum number of samples to stop splitting ( …… 翻译不到位,请自行理解吧)
l Min Impurity : Minimum impurity to stop splitting ( …… 翻译不到位,请自行理解吧)
l Display Result :是否在 ENVI 中显示分类结果,默认为“ Yes ”
l Output Raster :分类结果输出路径
三、 RF 分类示例
对于 Random Forest 分类参数,一般保持默认即可( RF 的一大优势,即基本不需要调参即可获得良好的分类结果 )。综上,笔者以一景 Landsat-5 TM 数据为例,在影像上均匀选取居民地、水体、休耕地、留茬耕地和绿植耕地样本,使用 Random Forest 分类工具默认参数进行监督分类 ,得到分类结果如下:
图 Random Forest 分类结果示例(右, Landsat-5 TM 标准假彩色显示)
以上就是本文的全部内容,希望本文的内容对大家的学习或者工作能带来一定的帮助,也希望大家多多支持 码农网
猜你喜欢:- GDBFrontend:一款灵活可扩展的GUI调试工具
- 是时候将数字体验管理工具扩展到云了
- YMP Maven 扩展工具 v1.0 发布,快速搭建 Java 项目
- Escalator简介 - Atlassian开发的K8S自动扩展工具
- NAVEX:针对动态web应用的精确可扩展的漏洞利用生成工具
- 直接拿来用!Visual Studio 扩展工具利用 AI 强化你的代码
本站部分资源来源于网络,本站转载出于传递更多信息之目的,版权归原作者或者来源机构所有,如转载稿涉及版权问题,请联系我们。