科学

基于数据挖掘分类法的农用地分等

admin2022-12-15 07:55 62人已围观 下载完整内容

简介应用决策树模型、BP神经网络和Logistic回归模型等分类法，对龙川县农用地分等进行了实证研究，并对各方法的分等结果有效性进行了评价，同时利用混淆矩阵探讨了样

应用决策树模型、BP神经网络和Logistic回归模型等分类法，对龙川县农用地分等进行了实证研究，并对各方法的分等结果有效性进行了评价，同时利用混淆矩阵探讨了样本数量对3种模型分类精度的影响。结果表明，样本数量对模型影响有差异，其中对BP神经网络和决策树模型影响较大，在较多训练样本时，模型的精度较高。在较多样本支持下，BP神经网络精度最高，但训练模型的时间较长，可解释性差；决策树模型既具有较高的精度又具有良好的可解释性；Logistic回归模型表现较差。决策树模型最适合龙川县农用地分等工作。研究结果表明，数据挖掘分类法是有效而准确的土地评价方法，有助于提高土地评价的精度和准确性，对农用地分等方法的优化具有一定的借鉴意义。

  • 微信公众号

下载完整内容

上一篇：基于土地利用变化的黄河三角洲生态服务价值损益分析

下一篇：速溶龙眼粉加工的酶解提取与喷雾干燥工艺优化

相关文章

文章评论


评论0

    站点信息

    • 微信公众号：扫描二维码，关注我们

    点击排行

    三种 PS 的套索工具使用小技巧

    本栏推荐

    信达证券：化工行业周报：三氯蔗糖、安赛蜜等价格上扬

    标签云

    猜你喜欢