《表5 测试数据分类及变化识别结果对比Tab.5 Change classification and detection results on testdata》

《表5 测试数据分类及变化识别结果对比Tab.5 Change classification and detection results on testdata》   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
《跨比例尺新旧居民地目标变化分析与决策树识别》


  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
(%)

(4) 试验分析评价。利用区域B和C数据对构建的决策树模型进行分析评价。理由包括:(1)训练数据与测试数据不同,能够避免训练数据可能带来的偏见;(2)不同区域环境类型的数据测试结果及比较能够为后续应用提供参考。表5列出了测试数据分类及变化识别结果。可以发现,决策树模型在新数据上的表现接近于训练数据。进一步地,可以发现城乡结合部(区域C)的分类及变化识别效果优于城区区域(区域B)。结合图7分析,导致的原因主要包括: