ENVI扩展工具：RandomForest分类工具

随机森林简介

作为新兴起的、高度灵活的一种机器学习算法，随机森林（ Random Forest ， RF ）拥有广泛的应用前景。随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支—集成学习（ Ensemble Learning ）方法。从直观角度来解释，每棵决策树都是一个分类器，那么对于一个输入样本， N 棵树会有 N 个分类结果。而随机森林集成了所有的分类投票结果，将投票次数最多的类别指定为最终的输出。

随机森林的特点

随机森林是一种很灵活实用的方法，具有如下几个特点：

l   在当前所有算法中，具有极好的准确率

l   能够有效地运行在大数据集上

l   能够处理具有高维特征的输入样本，而且不需要降维

l   能够评估各个特征在分类问题上的重要性

l   在生成过程中，能够获取到内部生成误差的一种无偏估计

l   对于缺省值问题也能够获得很好得结果

实际上，随机森林的特点不只有这六点，它就相当于机器学习领域的 Leatherman （多面手），你几乎可以把任何东西扔进去，它基本上都是可供使用的。在估计推断映射方面特别好用，以致都不需要像 SVM 那样做很多参数的调试 。

具体的随机森林介绍可以参见随机森林主页： https://www.stat.berkeley.edu/~breiman/RandomForests/cc_home.htm#inter

以上内容摘自： http://www.cnblogs.com/maybe2030/p/4585705.html

基本功能

基于随机森林算法实现影像监督分类。

版本要求

ENVI5.3 及以上。

工具安装方法

有以下两种安装方式，推荐使用 ENVI App Store 安装该扩展工具 。

l   ENVI App Store 安装

1 ） ENVI App Store 工具见 http://www.enviidl.com/appstore/ 。

2 ）在 ENVI App Store 找到“随机森林分类工具”，点击 Install App 进行安装。

3 ）重启 ENVI 。

l   手动安装

1） 下载链接： https://pan.baidu.com/s/19jDShxRy6zctzDAstZwIWw 密码： qppt

2） 下载 ENVIRandomForestClassification.zip ，将解压后的 custom_code 和 extensions 文件夹拷贝到 …\ENVI5X\ 下，覆盖并替换；

3 ）重启 ENVI 。

使用说明

一．启动

在 Tool Box 中，打开 /Extensions/Random Forest Classification ，工具界面如下图所示。

图 Random Forest 分类 工具 参数面板

二．参数设置

l   Input Raster ：待分类影像

l   Input Train ROIs ：训练样本，格式为 *.xml 或者 *.roi ；可基于 ROI 工具构建。对于 ENVI 5.3 及 5.3.1 ，在选择 Input Train ROIs 有可能弹出如下提示：

解决方法有两个：

1） 启动工具前就将训练样本和与之关联的待分类影像在 ENVI 中打开；

2） 在选择“ Input Raster ”时同时选中待分类影像和训练样本并打开。

l   Number of Trees ：随机森林树的数量，值越大，构建耗时越长，反之用时越少。默认为 100

l   Number of Features ：特征数量，默认使用“ Square Root ”方法，即 Number of Features=sqrt(nb) ；若选择“ Log ”方法，则 Number of Features=log(nb) 。其中 nb 为输入的待分类影像波段数

l   Min Node Samples ： Minimum number of samples to stop splitting （ …… 翻译不到位，请自行理解吧）

l   Min Impurity ： Minimum impurity to stop splitting （ …… 翻译不到位，请自行理解吧）

l   Display Result ：是否在 ENVI 中显示分类结果，默认为“ Yes ”

l   Output Raster ：分类结果输出路径

三、 RF 分类示例

对于 Random Forest 分类参数，一般保持默认即可（ RF 的一大优势，即基本不需要调参即可获得良好的分类结果 ）。综上，笔者以一景 Landsat-5 TM 数据为例，在影像上均匀选取居民地、水体、休耕地、留茬耕地和绿植耕地样本，使用 Random Forest 分类工具默认参数进行监督分类 ，得到分类结果如下：

图 Random Forest 分类结果示例（右， Landsat-5 TM 标准假彩色显示）