训练随机树分类器 (影像分析工具)
汇总
使用随机树分类方法生成 Esri 分类器定义文件 (.ecd)。
随机树分类器是一种图像分类技术，可防止过度拟合，并可处理分割影像及其他辅助栅格数据集。 对于标准影像输入，该工具接受具有任意位深度的多波段影像，它还会基于输入训练要素文件对各像素或分割影像执行随机树分类。
用法
The Random Trees classification method is a collection of individual decision trees in which each tree is generated from different samples and subsets of the training data. The idea behind calling these decision trees is that for every pixel that is classified, a number of decisions are made in rank order of importance. When you graph these for a pixel, it looks like a branch. When you classify the entire dataset, the branches form a tree. This method is called random trees because you are actually classifying the dataset a number of times based on a random subselection of training pixels, resulting in many decision trees. To make a final decision, each tree has a vote. This process works to mitigate overfitting. The Random Trees classification method is a supervised machine-learning classifier based on constructing a multitude of decision trees, choosing random subsets of variables for each tree, and using the most frequent tree output as the overall classification. The Random Trees classification method corrects for the decision trees' propensity for overfitting to their training sample data. With this method, a number of trees are grown—打个比方，就像在一片森林中，树之间的差异通过将训练数据映射到在拟合各个树之前随机选择的子空间引入。 每个节点上的决策将通过随机程序进行优化。
对于关键属性设置为分割的分割栅格，此工具将计算 RGB 分割栅格中的索引影像及关联的分割影像属性。 计算的属性将用于生成要在独立分类工具中使用的分类器定义文件。 可根据任意 Esri 支持的影像计算每个分割影像的属性。
任何 Esri 支持的栅格都可用作输入，包括栅格产品、分割栅格、镶嵌、影像服务和通用栅格数据集。 分割栅格必须为 8 位 3 波段栅格。
要创建训练样本文件，请使用分类工具下拉菜单中的训练样本管理器窗格。
分割影像属性参数仅在其中一个栅格图层输入为分割影像时处于活动状态。
要使用连续变化检测和分类 (CCDC) 算法对时间序列栅格数据进行分类，请首先运行使用 CCDC 分析变化工具。 然后使用输出变化分析栅格作为此训练工具的输入栅格。
训练样本数据必须使用训练样本管理器在多个时间点进行采集。 每个样本的维度值记录在训练样本要素类的某个字段中，该字段由维度值字段参数中指定。
参数
| 标注 | 说明 | 数据类型 |
|---|---|---|
|
输入栅格 |
待分类的栅格数据集。 使用任何 Esri 支持的栅格数据集。 一个选项为 8 位 3 波段分割栅格数据集，其中所有位于同一分割的像素都具有相同的颜色。 输入也可以是 8 位单波段灰度分割栅格。 |
Raster Layer; Mosaic Layer; Image Service; String |
|
输入训练样本文件 |
用于描绘训练场的训练样本文件或图层。 它们可以是包含训练样本的 shapefile 或要素类。 训练样本文件中需要以下字段名称：
|
Feature Layer |
|
输出分类器定义文件 |
包含属性信息、统计数据和分类器的其他信息的 JSON 文件。 将创建 |
File |
|
附加输入栅格 （可选） |
将对其他栅格数据集（如多光谱影像或 DEM）进行整合，从而为分类生成属性和其他所需信息。 设置此参数属于可选操作。 |
Raster Layer; Mosaic Layer; Image Service; String |
|
树最大数量 （可选） |
森林中的最多树数。 增加树的数量将提高精确度，尽管此改进最终会逐渐减缓。 树的数量将线性增加处理时间。 |
Long |
|
树最大深度 （可选） |
森林中的每个树的最大深度。 深度是指每个树为制定决策而允许创建的规则数。 树的深度不会超过此设置。 |
Long |
|
每个类的最大样本数 （可选） |
用于定义每个类的最大样本数。 如果输入为非分割栅格，建议使用默认值 1000。 值小于或等于 0 表示系统将使用训练场中的所有样本来训练分类器。 |
Long |
|
分割影像属性 （可选） |
指定要包括在与输出栅格相关联的属性表中的属性。 此参数仅在输入栅格的分割关键属性设置为 true 时处于活动状态。 如果该工具的唯一输入是分割影像，则默认属性包括聚合颜色、像素计数、紧密度和矩形度。 如果在输入分割影像的同时还包含一个附加输入栅格值，则平均数字值和标准差也将成为可用的属性。
|
String |
|
维度值字段 （可选） |
在输入训练样本要素类中包含维度值。 使用来自使用 CCDC 分析变化工具的变化分析栅格输出对栅格数据时间序列进行分类时，此参数为必需项。 |
Field |
环境
当前工作空间, 范围, 地理变换, 输出坐标系, 临时工作空间, 捕捉栅格
许可信息
- 基本: 需要 Image Analyst 或 Spatial Analyst
- 标准: 需要 Image Analyst 或 Spatial Analyst
- 高级: 需要 Image Analyst 或 Spatial Analyst