Classificatori di apprendimento automatico e ensemble di classificatori

Esistono numerosi algoritmi di apprendimento automatico (ML) per classificare la copertura e l'uso del suolo. In questo libro ci concentriamo sui metodi relativamente maturi (sette metodi): macchine a vettore di supporto (SVM), alberi decisionali (DT), reti neurali artificiali, k-nearest neighbours (k-NN), na ve Bayes, Boosting e Random forest (RF).La raccolta accurata e tempestiva di informazioni sull'uso e la copertura del suolo urbano fondamentale per molti aspetti dello sviluppo urbano e della protezione dell'ambiente.La classificazione accurata delle coperture del suolo rappresenta una sfida. Il miglioramento della classificazione della copertura del suolo un tema molto sentito. necessario per molte applicazioni come la mappatura dell'uso del suolo, il monitoraggio ambientale, la gestione delle risorse naturali, la pianificazione urbana, la gestione e il rilevamento dei cambiamenti. Sono stati studiati diversi metodi di ensample per combinare vari classificatori.