存在哪些适用于土地覆被分类的开源或商业机器学习算法？
#1 楼
我不得不说，用于机器学习和非参数建模的最完善的软件环境是R。这是统计学中的一个大领域，涵盖K-NN，内核平滑，通用加性模型，弱学习者，支持向量，神经网络，半参数样条回归，归因等...我强烈建议阅读：Hastie，T.，R. Tibshirani，J.Friedman（2009）统计学习的要素：数据挖掘，推理和预测。统计中的Springer系列。除了R之外，Salford Systems的商业软件还具有GUI环境中可用的随机森林，多元自适应回归样条，CART和梯度增强（TreeNet）。 RuleQuest仍在销售See5 / C5，它是C4 / ID3 CART算法的更新版本。怀卡托大学的Weka 3是开放源代码GUI / Commandline Java，具有大量可用模型。
评论
@Aaron FYI，Falk Hutterman和我本人正在德克萨斯州奥斯汀举行的US-IALE（景观生态学）2013年会议上讲习班。我们的重点是将R用于机器学习和非参数建模。我还将介绍如何在R中使用空间对象进行数据准备和模型说明。
–杰弗里·埃文斯（Jeffrey Evans）
13年2月7日在16:00
#2 楼
我强烈推荐scikits-learn for Python。它支持有监督和无监督的分类，并且文档非常好（特别是查看机器学习的天文数据分析教程和随附的YouTube视频（注意：这是3个小时的时间））。该项目是正在积极开发中，最新版本为9月发布的0.12。
有关该软件包的功能，请参阅最近邻居，随机森林（在Ensembe方法下）和要使用的决策树。您所提供的示例。
很遗憾，除非您想花费时间来构建一个GUI，否则没有GUI，但是我建议将iPython IDE作为出色的交互式脚本环境，包括QT控制台中带有matplotlib的内嵌图。
#3 楼
R中的机器学习技术的一个很好的概述是机器学习任务视图。它提供了专家建议的多种不同算法。#4 楼
您看过电子认知吗？通过新版本（8.9），他们在GUI环境中提供了Random Forests算法。您可以创建漂亮的进程树并包含对象功能。
#5 楼
您的问题假设用于土地分类的机器学习算法与其他机器学习应用程序所使用的软件有所不同。有些应用程序由于其不寻常的特性而需要特殊处理，但是我没有理由认为土地使用需要特殊处理。如果可以将土地使用数据以标准的逗号分隔形式输入，则R等现有工具应该可以。现在可能有也可能没有土地使用软件使用从机器学习技术中发现的模型，但这是一个不同的问题。在第一个响应后进行编辑。 ->大多数用于机器学习的主要软件包都具有一些用于空间可视化的工具，尽管它们当然可能无法满足您的特定需求。例如，您是否熟悉用于空间数据可视化的R的sp库？让我们看看是否可以找到一个合适的链接，它具有您可以使用它的功能。 ：spatial_data_visualization
有关R中对空间分析有用的工具的详细列表，您可能需要查看http://cran.r-project.org/web/views/Spatial.html，因为其中包括用于地统计的工具，生态分析等。
#6 楼
杜克大学之外的一组人员为ArcGIS开发了一些有趣的脚本工具，包括随机森林模型。海洋地理空间生态学工具
评论
MGET工具箱只是R的包装。如果您有使用R的能力，则可以避免通过ArcGIS，Python（Rpy2）调用R的麻烦。您也没有灵活地使用R中的其他工具，这些工具可以应用于生成的RF，GAM，回归或CART模型对象。
–杰弗里·埃文斯（Jeffrey Evans）
13年4月8日在2:24
#7 楼
您也可以使用QGIS的DTclassifier（决策树分类器）插件进行土地分类。它提供了简单的界面，可使用决策树对栅格数据进行分类，以在QGIS中执行。#8 楼
我强烈建议您查看Spacenet。正如他们网站上引述的那样：“ SpaceNet为开发人员，研究人员和初创公司提供了访问高质量地理空间数据的机会。在SpaceNet之前，计算机视觉研究人员只有很少的选择来获取免费的，精确标记的高分辨率卫星图像。在四个开源关键支柱上：数据，挑战，算法和工具。“它们具有带有标签的开源数据集，受创用CC许可保护。他们还定期对这些数据集进行机器学习竞赛，然后开源并分析最佳模型。
我亲自使用了他们的开源cresi道路分割库，并从中获得了一些不错的成绩。他们还拥有一个名为Solaris的开源地理空间机器学习管道库，这也很棒。专门学习GIS数据。
#9 楼
dzetsakahttps://plugins.qgis.org/plugins/dzetsaka/
对于那些不熟悉编程的人，可以考虑使用QGIS的分类工具。它有助于使用高斯混合模型，随机森林和SVM分类器进行半自动分类。
评论
也许您在这里找到了一些有用的信息。但我假设您已经知道这一点。