मैं सीखने में दिलचस्पी रखता हूं कि मशीन लर्निंग एल्गोरिदम (जैसे k-NN, रैंडम फ़ॉरेस्ट, डिसीज़न ट्री, आदि) का उपयोग करके भूमि वर्गीकरण के लिए कौन सा सॉफ़्टवेयर मौजूद है। मैं पायथन में R और MILK और SPy में रैंडम फ़ॉरेस्ट पैकेज से अवगत हूं ।
ओपन-सोर्स या वाणिज्यिक मशीन लर्निंग एल्गोरिदम मौजूद हैं जो भूमि कवर वर्गीकरण के लिए अनुकूल हैं?
जवाबों:
मुझे यह कहना होगा कि मशीन लर्निंग और नॉनपैरेमेट्रिक मॉडलिंग के लिए सबसे पूर्ण सॉफ्टवेयर वातावरण आर है। यह आंकड़ों का एक बड़ा क्षेत्र है, जिसमें के-एनएन, कर्नेल स्मूथिंग, जनरल एडिटिव मॉडल, कमजोर शिक्षार्थी, सपोर्ट वैक्टर, न्यूरल नेट, सेमी फैले हुए हैं। -पार्टमेट्रिक स्पलाइन रिग्रेशन, इंप्यूटेशन इत्यादि ... मैं अत्यधिक पढ़ने की सलाह दूंगा: हस्ती, टी।, आर। तिब्शिरानी, जे। फ्रीडमैन (2009) द एलिमेंट्स ऑफ़ स्टैटिस्टिकल लर्निंग: डेटा माइनिंग, इन्वेंशन एंड प्रेडिक्शन। सांख्यिकी में स्प्रिंगर श्रृंखला।
R के अलावा, Salford Systems के वाणिज्यिक सॉफ़्टवेयर में GUI वातावरण में रैंडम फ़ॉरेस्ट्स, बहुभिन्नरूपी अनुकूली प्रतिगमन स्प्लिन्स, CART और ग्रेडिएंट बूस्टिंग (ट्रीनेट) उपलब्ध हैं। RuleQuest अभी भी See5 / C5 बेच रहा है जो C4 / ID3 CART एल्गोरिथ्म का अद्यतन संस्करण है। वाइकाटो यूनिवर्सिटी के वीका 3 एक खुला स्रोत जीयूआई / कमांडलाइन जावा प्रयास है जिसमें बड़ी संख्या में मॉडल उपलब्ध हैं।
मैं दृढ़ता से पाइकॉन के लिए scikits- सीखने की सलाह दूंगा । यह पर्यवेक्षित और अप्रमाणित वर्गीकरण का समर्थन करता है और प्रलेखन उत्कृष्ट है (विशेष रूप से खगोलीय डेटा विश्लेषण ट्यूटोरियल के लिए मशीन सीखना और YouTube वीडियो के साथ जाँच करें (ध्यान दें: यह 3 घंटे लंबा है)।
परियोजना सक्रिय विकास के अधीन है, जिसका अंतिम संस्करण 0.12 है जो सितंबर में जारी किया गया था।
जैसा कि पैकेज के लिए सक्षम है, निकटतम पड़ोसी , रैंडम फ़ॉरेस्ट (एनसेम्बे मेथड्स के तहत), और आपके द्वारा दिए गए उदाहरणों का उपयोग करने के लिए निर्णय पेड़ देखें ।
दुर्भाग्य से कोई जीयूआई जब तक आप एक निर्माण के लिए समय समर्पित नहीं करना चाहते हैं, लेकिन मैं iPython IDE को एक उत्कृष्ट इंटरैक्टिव स्क्रिप्टिंग वातावरण के रूप में सुझाऊंगा , जिसमें क्यूटी कंसोल में matplotlib के साथ इनलाइन भूखंड शामिल हैं।
R में मशीन लर्निंग तकनीक का एक अच्छा अवलोकन मशीन लर्निंग टास्कव्यू है । यह विशेषज्ञों द्वारा सुझाए गए अलग-अलग एल्गोरिदम का एक मेजबान प्रदान करता है।
आपका प्रश्न मानता है कि भूमि वर्गीकरण के लिए मशीन लर्निंग एल्गोरिदम किसी अन्य मशीन लर्निंग एप्लिकेशन के लिए उपयोग किए जाने वाले सॉफ़्टवेयर से अलग हैं। कुछ एप्लिकेशन ऐसे हैं जिन्हें असामान्य विशेषताओं के कारण विशेष उपचार की आवश्यकता होती है, लेकिन ऐसा कोई कारण नहीं है जो मुझे लगता है कि भूमि उपयोग के लिए विशेष उपचार की आवश्यकता है। यदि भूमि उपयोग डेटा को एक मानक अल्पविराम सीमांकित रूप में रखा जा सकता है, तो मौजूदा उपकरण जैसे कि आर को ठीक करना चाहिए। अब मशीन सीखने की तकनीक से खोजे गए मॉडल का उपयोग करने वाला लैंड यूज़ सॉफ्टवेयर हो सकता है या नहीं भी हो सकता है, लेकिन यह एक अलग सवाल है।
पहली प्रतिक्रिया के बाद संपादित। -> मशीन लर्निंग के अधिकांश प्रमुख पैकेज में स्थानिक विज़ुअलाइज़ेशन के लिए कुछ उपकरण होते हैं, हालांकि निश्चित रूप से वे आपकी विशेष आवश्यकताओं को पूरा नहीं कर सकते हैं। उदाहरण के लिए, क्या आप आर लाइब्रेरी के लिए आर से परिचित हैं जो स्थानिक डेटा विज़ुअलाइज़ेशन के लिए है? चलो देखते हैं कि क्या मुझे एक उपयुक्त लिंक मिल सकता है जो आपको इसके साथ क्या कर सकता है इसका स्वाद देता है।
http://rwiki.sciviews.org/doku.php?id=tips:spatial-data:spatial_data_visualization R में स्थानिक विश्लेषण के लिए उपयोगी उपकरणों की अधिक व्यापक सूची के लिए R पर आप http: //cran.r- को देखना चाह सकते हैं। project.org/web/views/Spatial.html क्योंकि इसमें जियोस्टैटिस्टिक्स, पारिस्थितिक विश्लेषण और जैसे उपकरण शामिल हैं।
ड्यूक विश्वविद्यालय से बाहर एक समूह है जिसने आर्कजीआईएस के लिए कुछ दिलचस्प स्क्रिप्ट टूल विकसित किए हैं, जिसमें यादृच्छिक वन मॉडल शामिल हैं।
समुद्री भू-स्थानिक पारिस्थितिकीय उपकरण
आप QGIS के लिए DTclassifier (डिसीजन ट्री क्लासिफायर) प्लगइन के साथ भूमि वर्गीकरण भी कर सकते हैं । यह QGIS के भीतर प्रदर्शन करने के लिए निर्णय पेड़ों का उपयोग करके रेखापुंज डेटा के वर्गीकरण के लिए सरल इंटरफ़ेस प्रदान करता है।
