GEE：CART（Classification and Regression Trees）回归教程（样本点、特征添加、训练、精度、参数优化）

本文主要是介绍GEE：CART（Classification and Regression Trees）回归教程（样本点、特征添加、训练、精度、参数优化），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

作者：CSDN @ _养乐多_

对于分类问题，这个输出通常是一个类别标签 ，而对于回归问题，输出通常是一个连续的数值。回归可以应用于多种场景，包括预测土壤PH值、土壤有机碳、土壤水分、碳密度、生物量、气温、海冰厚度、不透水面积百分比、植被覆盖度等。

本文将介绍在Google Earth Engine （GEE）平台上进行CART（Classification and Regression Trees）回归的方法和代码，其中包括样本点格式介绍，加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等)，训练和应用回归模型，优化回归算法的参数（绘制最优参数分布图）等步骤的方法和代码。

---

---

一、CART 决策树回归器参数详解

下面是对 ee.Classifier.smileCart(maxNodes, min

这篇关于GEE：CART（Classification and Regression Trees）回归教程（样本点、特征添加、训练、精度、参数优化）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---