ArcGIS+人工智能------之机器学习简介

前面我们介绍过arcgis+人工智能之深度学习介绍：arcgis10.8深度学习介绍
 
本文目的：我们简要介绍目前arcgis集成了那些机器学习算法，我们知道常用的机器学习算法库是scikit-learn；那么我们arcgis有哪些可以直接使用的机器学习算法呢？
答：目前已经集成的有：ISO 聚类、随机树、支持向量机 (SVM)、最大似然法这四种机器学习算法，这也是我们本篇的主角；
 

• 影像分类流程

影像分类是从多波段遥感影像中提取信息类别（例如土地覆盖类别）的过程。
 
工作流涉及从预处理到分割、训练样本选择、训练、分类和评估精度的多个步骤。
 
每个步骤可以是迭代的，并且该过程需要深入了解输入影像、分类模式、分类方法、预期结果和可接受的精度。
 

• 四种机器学习简介

ISO 聚类 - ISO 聚类分类器将执行非监督分类。此分类器可处理非常大的分割影像，这些影像的属性表可能会变得很大。另外，此工具还可接受来自第三方应用程序的分割 RGB 栅格。此工具适用于 Esri 支持的标准栅格文件以及分割栅格数据集。最大似然法 - 最大似然法分类器是一种传统的影像分类技术。该分类基于两条原则：多维空间中每个类样本中的像素呈正态分布和贝叶斯决策理论。
随机树 - 随机树分类器是一种强大的影像分类技术，它可防止过度拟合，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执行随机树分类。
支持向量机 (SVM) - SVM 分类器提供了一种强大的监督分类方法，可用于处理分割栅格输入或标准影像。它不那么容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。这是一种被研究人员广泛采用的分类方法。
 

• 分类方法描述

分类器 说明

ISO 聚类：

ISO 聚类分类器使用 K 均值方法执行无监督分类。此分类器可处理非常大的分割影像，这些影像的属性表可能会变得很大。另外，此工具还可接受来自第三方应用程序的分割 RGB 栅格。此工具适用于 Esri 支持的标准栅格文件以及分割栅格数据集。如果在配置页面上选择非监督作为分类方法，则只有分类器可用。

最大似然法：

最大似然法分类器是一种传统参数的影像分类技术。为了获得可靠的结果，每个类别应由具有正态分布的统计显著性数量的训练样本表示，并且代表每个类的训练样本的相对数量应该相似。

随机树：

随机树分类器是一种先进的机器学习技术，可防止过度拟合，可处理分割影像和其他辅助栅格数据集以及多光谱影像。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执行随机树分类（有时称为随机森林分类）。

如果执行基于对象分类，则可以选择任意或所有用于训练分类器的分割影像属性。

支持向量机：

支持向量机分类器是一种先进的机器学习分类方法，可用于处理分割栅格输入或标准影像。它不那么容易被噪音、关联波段以及每个类中不平衡的训练场数量或大小所影响。这种分类方法被广泛使用。如果执行基于对象分类，则可以选择任意或所有用于训练分类器的分割影像属性。
 

• 如何使用这些机器学习算法呢？

首先是我们的分类向导工具：
工作流涉及从预处理到分割、训练样本选择、训练、分类和评估精度的多个步骤。每个步骤可以是迭代的，并且该过程需要深入了解输入影像、分类模式、分类方法、预期结果和可接受的精度。

其次是我们的Image Analyst 中的影像分割和分类工具集：