GEE:梯度提升树(Gradient Boosting Tree)分类教程(样本制作、特征添加、训练、精度、参数优化、贡献度、统计面积)

作者:CSDN @ _养乐多_

本文将介绍在Google Earth Engine (GEE)平台上进行梯度提升树(Gradient Boosting Tree)分类的方法和代码,其中包括制作样本点教程(本地、在线和本地在线混合制作样本点,合并样本点等),加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等),运行梯度提升树分类器教程,并可将分类器模型应用于像素尺度或者超像素(对象/斑块)尺度数据,计算梯度提升树分类结果的精度(精度参数以csv格式下载到本地),优化梯度提升树分类算法的参数(绘制最优参数分布图),打印各个变量特征的贡献度(排序特征贡献度,并绘制柱状图)、统计每一类地类的面积等步骤的方法和代码。

本教程可以应用于多种分类场景,包括土地利用/覆盖分类、种植区提取(大蒜、小麦、玉米等)、局部气候区分类、植被分类、森林/草原分类、疾病/虫害分类、洪水预测等多种场景。

梯度提升树(Gradient Boosting Tree)分类过程和分类结果如下图所示
————————————————————————————————————————————————


文章目录

你可能感兴趣的:(GEE机器学习专栏,boosting,分类,集成学习)