Randomforest模型的預測

我實現了隨機森林，然後使用10個變量開始預測森林中的葉面積指數。但是當預測停止時，預測的輸出是一個空值的空值圖。我很感激，如果有人幫助我。我在這裏添加我正在運行的代碼。Randomforest模型的預測

這裏第一步，我給柵格中的NA值賦零。

tex37$glcm_variance_ENVI[is.na(tex37$glcm_variance_ENVI)] <- 0 
tex37$glcm_entropy[is.na(tex37$glcm_entropy)] <- 0 
RVI_raster3$glcm_mean_ENVI[is.na(RVI_raster3$glcm_mean_ENVI)] <- 0 
RVI_raster3$glcm_mean[is.na(RVI_raster3$glcm_mean)] <- 0 
RVI_raster3$glcm_variance[is.na(RVI_raster3$glcm_variance)] <- 0 
RVI_raster5$glcm_mean_ENVI[is.na(RVI_raster5$glcm_mean_ENVI)] <- 0 
RVI_raster5$glcm_variance[is.na(RVI_raster5$glcm_variance)] <- 0 
RVI_raster5$glcm_mean[is.na(RVI_raster5$glcm_mean)] <- 0 
RVI_raster7$glcm_mean_ENVI[is.na(RVI_raster7$glcm_mean_ENVI)] <- 0 
RVIrededge[is.na(RVIrededge)] <- 0

在這裏，我將所有10個柵格圖層堆疊在一個柵格中。

image_stack_imp = stack(tex37$glcm_variance_ENVI, 
        tex37$glcm_entropy, 
        RVI_raster3$glcm_mean_ENVI, 
        RVI_raster3$glcm_mean, 
        RVI_raster3$glcm_variance, 
        RVI_raster5$glcm_mean_ENVI, 
        RVI_raster5$glcm_variance, 
        RVI_raster5$glcm_mean, 
        RVI_raster7$glcm_mean_ENVI, 
        RVIrededge)

我從我的功能做了一個表，再加上葉面積指數作爲標籤。

Table_Importance = data.frame(LAI=d$LAI, 
          tex37.glcm_variance_ENVI=LAI37$glcm_variance_ENVI, 
          tex37.glcm_entropy=LAI37$glcm_entropy, 
          RVI_raster3.glcm_mean_ENVI=RVI3$glcm_mean_ENVI, 
          RVI_raster3.glcm_variance=RVI3$glcm_variance, 
          RVI_raster3.glcm_mean=RVI3$glcm_mean, 
          RVI_raster5.glcm_variance=RVI5$glcm_variance, 
          RVI_raster5.glcm_mean_ENVI=RVI5$glcm_mean_ENVI, 
          RVI_raster5.glcm_mean=RVI5$glcm_mean, 
          RVI_raster7.glcm_mean_ENVI=RVI7$glcm_mean_ENVI, 
          RVIrededge_values)

最後運行隨機森林：

set.seed(104) 
ind <- sample(2, nrow(Table_Importance), replace = 1, prob=c(0.66,0.33)) 
rf_imp<- randomForest(LAI ~ ., data=Table_Importance[ind ==  1,],importance=TRUE, ntree=1000, mtry=3) 
pred_imp <- predict(rf_imp, Table_Importance[ind == 2,]) 
rmse(Table_Importance[ind==2, "LAI"], pred_imp) 
###############################predicting######################## 
Map_LAI = predict(image_stack_imp, rf_imp,na.rm = TRUE, progress='window', type ='response') 
plot(Map_LAI)

這裏是小樣本：

(head(Table_Importance, 20)

來源

2016-01-05 S.amn

您能否提供一個（小）可重現的示例？ –

對不起，我是新來的stackoverflow，我不知道我該怎麼做？因爲對於每個變量，都有不同的命令需要花費時間來運行。哪部分代碼更適合在這裏上傳？ –

dput（head（Table_Importance，20））會給我們Table_Importance的前20行。這就是Randomforest的內容。但首先檢查您是否未從預測函數中獲取任何錯誤，以及Table_Importance中的數據是否與您期望的一致。沒有NA，只有零等。 – phiver

找到自己的問題，：d 答案是唯一的，該表的名稱屬性應該與培訓表的名稱相同。在我的情況下，屬性名稱如下：

Table_Importance = data.frame(LAI=d$LAI, 
          glcm_variance_ENVI=LAI37$glcm_variance_ENVI, 
          glcm_entropy=LAI37$glcm_entropy, 
          glcm_mean_ENVI.1=RVI3$glcm_mean_ENVI, 
          glcm_variance.1=RVI3$glcm_variance, 
          glcm_mean.1=RVI3$glcm_mean, 
          glcm_variance.2=RVI5$glcm_variance, 
          glcm_mean_ENVI.2=RVI5$glcm_mean_ENVI, 
          glcm_mean.2=RVI5$glcm_mean, 
          glcm_mean_ENVI.3=RVI7$glcm_mean_ENVI, 
          layer=RVIrededge_values)

來源

2016-01-05 21:44:44

Randomforest模型的預測

回答

相關問題