《表2 RF、SVM和DT的精度比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于GEE的山东省近30年农业大棚时空动态变化研究》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

同时，本文比较了不同机器学习方法在农业大棚提取中的性能，包括随机森林算法（RF）、支持向量机（SVM）以及决策树（DT）算法，使用相同的训练样本和验证样本以确保可比性和客观性，所有实验都是在GEE云平台上完成。为了定量评估本文所提方法的准确性，表2给出了精度对比。由表2可知，RF性能优于SVM和DT。RF的总体精度（OA）高于SVM，增幅为5.20～6.52个百分点。一个可能原因是在处理大规模、高维度数据集时RF比SVM效果更好。同样RF的OA高于DT，增幅为6.09～8.44个百分点。这主要因为RF是多个决策树的集合，与单个决策树相比，RF具有更高的鲁棒性，尤其可有效防止过拟合，有更高精度。