Saya tertarik mempelajari perangkat lunak apa yang ada untuk klasifikasi tanah menggunakan algoritma pembelajaran mesin (misalnya k-NN, Random Forest, pohon keputusan, dll.) Saya mengetahui paket randomForest di R dan SUSU dan SPy dalam Python.
Algoritme pembelajaran mesin sumber terbuka atau komersial apa yang ada yang cocok untuk klasifikasi tutupan lahan?
Jawaban:
Saya harus mengatakan bahwa lingkungan perangkat lunak yang paling lengkap untuk Pembelajaran Mesin dan pemodelan nonparametrik adalah R. Ini adalah bidang besar dalam statistik, mencakup K-NN, perataan Kernel, Model Aditif Umum, pelajar yang lemah, vektor dukungan, jaring saraf, semi -parametric spline regression, imputasi, dll ... Saya akan sangat merekomendasikan membaca: Hastie, T., R. Tibshirani, J. Friedman (2009) Elemen Pembelajaran Statistik: Penambangan Data, Inferensi dan Prediksi. Seri Springer dalam Statistik.
Selain R, perangkat lunak komersial oleh Salford Systems memiliki Random Forests, Multivariate Adaptive Regression Splines, CART dan Gradient Boosting (TreeNet) tersedia di lingkungan GUI. RuleQuest masih menjual See5 / C5 yang merupakan versi terbaru dari algoritma C4 / ID3 CART. Weka 3 dari University of Waikato adalah upaya Java GUI / Commandline open source dengan sejumlah besar model yang tersedia.
Saya sangat merekomendasikan scikits-learn for Python. Ini mendukung klasifikasi yang diawasi dan tidak terawasi serta dokumentasinya sangat bagus (terutama lihat tutorial Pembelajaran Mesin untuk Analisis Data Astronomi dan video YouTube yang menyertainya (catatan: ini panjangnya 3 jam)).
Proyek ini sedang dalam pengembangan aktif, dengan versi terakhir menjadi 0,12 yang dirilis pada bulan September.
Adapun kemampuan paket itu, lihat Tetangga Terdekat , Hutan Acak (di bawah Metode Ensembe), dan Pohon Keputusan untuk menggunakan contoh yang Anda berikan.
Sayangnya tidak ada GUI kecuali Anda ingin mencurahkan waktu untuk membangunnya, tetapi saya akan merekomendasikan iPython IDE sebagai lingkungan scripting interaktif yang sangat baik, termasuk plot inline dengan matplotlib di konsol QT.
Tinjauan yang baik tentang teknik pembelajaran mesin di R adalah tampilan tugas pembelajaran mesin . Ini menawarkan sejumlah algoritma yang berbeda, direkomendasikan oleh para ahli.
Pertanyaan Anda mengasumsikan bahwa algoritma pembelajaran mesin untuk klasifikasi tanah agak berbeda dari perangkat lunak yang digunakan untuk aplikasi pembelajaran mesin lainnya. Ada beberapa aplikasi yang memerlukan perlakuan khusus karena karakteristik yang tidak biasa, tetapi tidak ada alasan saya tahu untuk berpikir bahwa penggunaan lahan memerlukan perlakuan khusus. Jika data penggunaan lahan dapat dimasukkan ke dalam formulir standar yang dibatasi koma, alat yang ada seperti R harusnya baik-baik saja. Sekarang mungkin ada atau tidak ada perangkat lunak Penggunaan Lahan yang menggunakan model yang ditemukan dari teknik pembelajaran mesin, tapi itu pertanyaan yang berbeda.
Diedit setelah respons pertama. -> Sebagian besar paket utama untuk pembelajaran mesin memiliki beberapa alat untuk visualisasi spasial, meskipun tentu saja mereka mungkin tidak memenuhi kebutuhan khusus Anda. Misalnya, apakah Anda terbiasa dengan pustaka sp untuk R yang dimaksudkan untuk visualisasi data spasial? Mari kita lihat apakah saya dapat menemukan tautan yang sesuai yang memberikan rasa apa yang dapat Anda lakukan dengannya.
http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization Untuk daftar alat yang lebih luas yang berguna untuk analisis spasial di R, Anda mungkin ingin melihat http: //cran.r- project.org/web/views/Spatial.html karena ini termasuk alat untuk Geostatistik, analisis ekologi, dan sejenisnya.
Ada grup dari Duke University yang telah mengembangkan beberapa alat skrip yang menarik untuk ArcGIS, termasuk model hutan acak.
Anda juga dapat melakukan klasifikasi tanah dengan plugin DTclassifier (Decision Tree) untuk QGIS . Ini menyediakan antarmuka sederhana untuk klasifikasi data raster menggunakan pohon keputusan, untuk melakukan dalam QGIS.
