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), naïve Bayes, Boosting e Random forest (RF).La raccolta accurata e tempestiva di informazioni sull'uso e la copertura del suolo urbano è 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 è un tema molto sentito. È 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.