Google Earth Engine(GEE)——机器学习分类后进行accuracy精度评定以及RMSE和R2的计算

本教程主要的目的就是利用随机森林分类和其它分类进行分析,这里主要的目的就是我们分析除了常规的土地分类,利用errorMatrix(actual, predicted, order)等函数进行分析,但是RMSE 和R2需要自己进行写代码分析,这里面还包含了协方差的计算。

这里影像波段:

planet(GREEN,BLUE,RED,NIR)

Image (4 bands)

type:Image

bands:

List (4 elements)

0:"b1", float ∈ [0, 6.553500175476074], EPSG:32634, 7618x4878 px

1:"b2", float ∈ [0, 6.553500175476074], EPSG:32634, 7618x4878 px

2:"b3", float ∈ [0, 6.553500175476074], EPSG:32634, 7618x4878 px

3:"b4", float ∈ [0, 6.553500175476074], EPSG:32634, 7618x4878 px

函数:

ee.Reducer.协方差()
创建一个reducer,将一定数量的相同长度 N 的一维数组缩减为形状为 NxN 的协方差矩阵。 此减速器使用桑迪亚国家实验室技术报告 SAND2008-6212 中的单程协方差公式,如果值跨越较大范围,则可能会失去准确性。
返回:reduce

ee.Kernel.square(radius, <

猜你喜欢

转载自blog.csdn.net/qq_31988139/article/details/128961397