タグ付けされた質問 「machine-learning」

機械学習アルゴリズム（k-NN、ランダムフォレスト、決定木など）を使用して土地分類にどのソフトウェアが存在するかを知りたい。RのrandomForestパッケージとPythonのMILKとSPyを知っている。 土地被覆分類に適したオープンソースまたは商用の機械学習アルゴリズムは何ですか？

37 remote-sensing  land-cover  land-classification  machine-learning 

これは、以前の投稿「土地被覆分類のための機械学習アルゴリズム」へのフォローアップです。 と思われるランダムフォレスト（RF）分類方法は、リモートセンシングの世界で非常に勢いを増しています。RFには多くの長所があるため、特に興味があります。 リモートセンシングデータに適したノンパラメトリックアプローチ 報告された高い分類精度 変数の重要度が報告されます これらの長所を考えると、高解像度の4バンド画像を使用してランダムフォレストの土地分類を実行したいと思います。ランダムフォレストの利点を宣伝する多くの資料と研究がありますが、分類分析を実際に実行する方法に関する情報はほとんどありません。私はRを使用したRF回帰に精通しており、この環境を使用してRF分類アルゴリズムを実行することを好みます。 Rを使用してランダムフォレストアルゴリズムに（つまり、高解像度CIR航空写真に基づいて）トレーニングデータを収集、処理、および入力するにはどうすればよいですか？分類された土地被覆ラスターの作成方法に関する段階的なアドバイスは大歓迎です。

32 r  land-classification  random-forest  machine-learning 

リモートセンシングドメインにおけるピクセルベースとオブジェクトベースの分類の違いを明確に理解するのに苦労しており、このコミュニティの誰かが洞察を提供できることを期待しています。 私がこれまでに得た情報に基づいて、私の現在の理解はこれらの線に沿っています： ピクセルベースの分類： 分類はピクセルごとに行われ、その個々のピクセルで利用可能なスペクトル情報のみを使用します（つまり、局所性内のピクセルの値は無視されます）。この意味で、各ピクセルは分類アルゴリズムのトレーニング例であり、このトレーニング例はn次元ベクトルの形式になります。nは画像データのスペクトルバンドの数です。したがって、訓練された分類アルゴリズムは、画像内の個々のピクセルごとにクラス予測を出力します。 オブジェクトベースの分類： 分類は、各ピクセルが互いに関連しているときの各ピクセルの空間特性を考慮して、ローカライズされたピクセルのグループで行われます。この意味で、分類アルゴリズムのトレーニング例はピクセルのグループで構成され、トレーニングされた分類アルゴリズムはそれに応じてグループベースでピクセルのクラス予測を出力します。大まかな例では、画像を同じサイズのn個のセグメントに分割し、各セグメントにクラスを指定します（つまり、オブジェクトを含む/オブジェクトを含まない）。 この考えはこれらの用語の意味に関して正確ですか、それとも私が見逃したものがありますか？

14 remote-sensing  classification  machine-learning 

GISは初めてです。機械学習はこの分野で多く使用されていますか？ 私は、交通認識に取り組んでいる地図会社との仕事の機会を調査しています。私の経歴は、教師付き機械学習（テキスト分類）とHadoopの使用にあり、私のスキルが適切であることを保証してくれます。私はしばらくの間GPSとGISに興味を持っていましたが、私の機械学習スキル（私が多額の投資を行った-MS学位を含む）を確実に活用したいと思います。

9 gps  land-classification  machine-learning  data-mining