Il est important d'obtenir une estimation quantitative de la précision de la classification. Pour ce faire, une stratégie courante consiste à diviser vos échantillons d'entraînement en deux fractions aléatoires - l'une utilisée pour l'entraînement  (training) du modèle et l'autre pour la  validation des prédictions . Une fois qu'un classificateur est entrainé, il peut être utilisé pour classer l'image entière.  Nous pouvons ensuite comparer les valeurs classées avec celles de la fraction de validation. Nous pouvons utiliser la méthode  ee.Classifier.confusionMatrix() pour calculer  une matrice de confusion (Confusion Matrix) représentant la précision attendue  (atteinte).

Ne vous laissez pas emporter à peaufiner votre modèle pour obtenir la plus grande précision de validation. Vous devez utiliser des mesures qualitatives (telles que l'inspection visuelle des résultats) ainsi que des mesures quantitatives pour évaluer les résultats.

Veuillez regarder cette vidéo:



Vous trouverez le code de cet exercice dans ce répositoire sous Module5/Exercise2

Votre tâche:
Calculez la matrice de confusion et la précision globale de la classification de votre propre zone d'étude.

Modifié le: lundi 19 juillet 2021, 16:34