Inspeccionar muestras para formación (Image Analyst)

Disponible con una licencia de Spatial Analyst.

Resumen

Estima la precisión de muestras de entrenamiento individuales. La precisión de la validación cruzada se calcula utilizando el resultado de entrenamiento de clasificación generado previamente en un archivo .ecd y las muestras de entrenamiento. Las salidas incluyen un dataset ráster que contiene los valores de clase mal clasificados y un dataset de muestras de entrenamiento con la puntuación de la exactitud para cada muestra de entrenamiento.

Uso

• La herramienta utiliza el ráster de entrada, un ráster de entrada adicional y el archivo de definición de clasificadores .ecd para generar una capa de clasificación al vuelo. Esta capa de clasificación se utiliza después como referencia y se compara con todos los polígonos o puntos de la muestra de entrenamiento. Dado que una muestra de entrenamiento ideal debería contener solo píxeles de la clase que representa, la exactitud se calcula comparando todos los píxeles clasificados correctamente con los clasificados incorrectamente para cada muestra de entrenamiento. La puntuación de la precisión (por polígono o punto) se calcula como number of correctly classified pixels/number of total pixels incluido en cada muestra de entrenamiento.

• La puntuación de muestras de entrenamiento de polígono es un valor decimal que oscila de 0 a 1, siendo los valores cercanos a 1 los más precisos. La puntuación de muestras de entrenamiento de punto es 0 para las imprecisas o 1 para las precisas.

• Los resultados se pueden utilizar de las siguientes formas para mejorar las clases de definición de las muestras de formación:

  • Utilice la tabla de atributos de la muestra de entrenamiento de salida para ordenar las entidades de entrenamiento por exactitud y acercar cada entidad.
  • Utilice el mapa de clase ráster mal clasificado para ver dónde está la confusión de la clasificación y qué es lo que la provoca.
  • Con esta información, puede tomar la decisión de mantener, quitar o editar las entidades de formación.

Parámetros

Cuadro de diálogo

Etiqueta	Explicación	Tipo de datos
Ráster de Entrada	El ráster de entrada que se va a clasificar.	Mosaic Layer; Raster Layer; Image Service; String
Archivo de definición de clasificadores de entrada	El archivo de clasificadores de salida .ecd procedente de cualquier herramienta de preparar clasificador. El archivo .ecd es un archivo JSON que contiene información de atributos, estadísticas u otra información necesaria para el clasificador.	File
Clase de entidad de muestra de entrenamiento de salida con puntuación	Las muestras de entrenamiento individuales de salida guardadas como una clase de entidad. La tabla de atributos asociada contiene un campo adicional que muestra la puntuación de la exactitud.	Feature Class
Ráster mal clasificado de salida	El ráster mal clasificado de salida que tiene NoData fuera de las muestras de entrenamiento. En las muestras de formación, los píxeles clasificados correctamente se representan como NoData y los píxeles clasificados incorrectamente se representan mediante el valor de su clase. El resultado es un mapa de índice de valores de clase mal clasificados.	Raster Dataset
Ráster de entrada adicional (Opcional)	Se incorporarán datasets ráster secundarios, como una imagen multiespectral o un DEM, para generar atributos y otra información requerida por el clasificador. Este ráster es necesario al calcular atributos como valor medio o desviación estándar. Este parámetro es opcional.	Mosaic Layer; Raster Layer; Image Service; String

Python

InspectTrainingSamples(in_raster, in_classifier_definition, out_training_feature_class, out_misclassified_raster, {in_additional_raster})

Nombre	Explicación	Tipo de datos
in_raster	El ráster de entrada que se va a clasificar.	Mosaic Layer; Raster Layer; Image Service; String
in_classifier_definition	El archivo de clasificadores de salida .ecd procedente de cualquier herramienta de preparar clasificador. El archivo .ecd es un archivo JSON que contiene información de atributos, estadísticas u otra información necesaria para el clasificador.	File
out_training_feature_class	Las muestras de entrenamiento individuales de salida guardadas como una clase de entidad. La tabla de atributos asociada contiene un campo adicional que muestra la puntuación de la exactitud.	Feature Class
out_misclassified_raster	El ráster mal clasificado de salida que tiene NoData fuera de las muestras de entrenamiento. En las muestras de formación, los píxeles clasificados correctamente se representan como NoData y los píxeles clasificados incorrectamente se representan mediante el valor de su clase. El resultado es un mapa de índice de valores de clase mal clasificados.	Raster Dataset
in_additional_raster (Opcional)	Se incorporarán datasets ráster secundarios, como una imagen multiespectral o un DEM, para generar atributos y otra información requerida por el clasificador. Este ráster es necesario al calcular atributos como valor medio o desviación estándar. Este parámetro es opcional.	Mosaic Layer; Raster Layer; Image Service; String

Entornos

Compresión, Espacio de trabajo actual, Extensión, Transformaciones geográficas, NoData, Palabra clave CONFIG de salida, Sistema de coordenadas de salida, Factor de procesamiento en paralelo, Pirámide, Método de remuestreo, Espacio de trabajo temporal, Alinear ráster, Estadísticas de ráster, Tamaño de tesela