토지 표지 분류를위한 기계 학습 알고리즘
답변:
기계 학습 및 비모수 적 모델링을위한 가장 완벽한 소프트웨어 환경은 R이라고 말해야 할 것입니다. K-NN, 커널 스무딩, 일반 가산 모델, 약한 학습자, 지원 벡터, 신경망, 반에 걸친 통계 분야에서 큰 분야입니다. -매개 변수 스플라인 회귀, 대치 등 ... 나는 독서를 적극 추천합니다 : Hastie, T., R. Tibshirani, J. Friedman (2009) 통계 학습의 요소 : 데이터 마이닝, 추론 및 예측. 통계의 스프링거 시리즈.
R 외에도 Salford Systems의 상용 소프트웨어에는 GUI 환경에서 사용 가능한 Random Forests, Multivariate Adaptive Regression Splines, CART 및 Gradient Boosting (TreeNet)이 있습니다. RuleQuest는 여전히 C4 / ID3 CART 알고리즘의 업데이트 된 버전 인 See5 / C5를 판매하고 있습니다. University of Waikato의 Weka 3은 다양한 모델을 갖춘 오픈 소스 GUI / 명령 줄 Java 노력입니다.
파이썬에 대한 scikits-learn 을 강력히 추천 합니다. 그것은 감독 및 감독되지 않은 분류를 지원하며 문서가 훌륭합니다 (특히 천문 데이터 분석을위한 기계 학습 자습서 및 함께 제공되는 YouTube 비디오를 확인하십시오 (참고 : 3 시간)).
이 프로젝트는 현재 개발 중이며 9 월에 릴리스 된 마지막 버전은 0.12입니다.
패키지의 기능에 대해서는 가장 가까운 이웃 , 임의 포리스트 (Ensembe 방법 아래) 및 의사 결정 트리 를 참조하여 제공 한 예를 사용하십시오.
불행히도 GUI를 작성하는 데 시간을 투자하지 않는 한 GUI는 없지만 QT 콘솔에서 matplotlib를 사용한 인라인 플롯을 포함 하여 iPython IDE를 우수한 대화식 스크립팅 환경으로 권장합니다 .
R의 머신 러닝 기술에 대한 좋은 개요는 머신 러닝 작업보기 입니다. 전문가가 권장하는 다양한 알고리즘을 제공합니다.
귀하의 질문은 토지 분류를위한 기계 학습 알고리즘이 다른 기계 학습 응용 프로그램에 사용되는 소프트웨어와 어떻게 다른지 가정합니다. 특이한 특성으로 인해 특수 처리가 필요한 일부 응용 프로그램이 있지만 토지 사용에 특수 처리가 필요하다고 생각할 이유가 없습니다. 토지 사용 데이터를 표준 쉼표로 구분 된 형식으로 넣을 수 있다면 R과 같은 기존 도구는 잘 작동합니다. 이제 머신 러닝 기술에서 발견 된 모델을 사용하는 토지 사용 소프트웨어가있을 수도 있고 아닐 수도 있지만 이는 다른 질문입니다.
첫 번째 응답 후 수정되었습니다. -> 머신 러닝을위한 대부분의 주요 패키지에는 공간적 시각화를위한 일부 도구가 있지만 물론 특정 요구 사항을 충족하지 못할 수도 있습니다. 예를 들어 공간 데이터 시각화를위한 R 용 sp 라이브러리에 익숙하십니까? 내가 할 수있는 일의 풍미를주는 적절한 링크를 찾을 수 있는지 봅시다.
http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization R에서 공간 분석에 유용한보다 광범위한 도구 목록을 보려면 http : //cran.r- project.org/web/views/Spatial.html 에는 통계학, 생태 분석 등을위한 도구가 포함되어 있습니다.
QGIS 용 DTclassifier (Decision Tree classifier) 플러그인을 사용 하여 랜드 분류를 수행 할 수도 있습니다 . 의사 결정 트리를 사용하여 QGIS 내에서 수행 할 래스터 데이터의 분류를위한 간단한 인터페이스를 제공합니다.