简介
这里我们首先要更改原始代码的中的影像和研究区矢量的问题,这个为了防止我们计算的过程超限,建议先将我们的研究区影像和样本点先存在自己的assets中,然后导入到新的脚本中。然周本文就是对其进行影像进行归一化处理,然后进行样本点值提取至点,然后训练样本点,进行训练,然后对样本点随机化,然后计算相应的精度即可
分类属性
函数
ee.Classifier.smileRandomForest(numberOfTrees, variablesPerSplit, minLeafPopulation, bagFraction, maxNodes, seed)
Creates an empty Random Forest classifier.
Arguments:
numberOfTrees (Integer):
The number of decision trees to create.
variablesPerSplit (Integer, default: null):
The number of variables per split. If unspecified, uses the square