Я реализовал случайный лес, а затем начал прогнозировать индекс площади листа в лесу с использованием 10 переменных, но когда прогнозирование прекращается, результатом прогноза является пустая карта с нулевыми значениями. Я ценю, если кто-то мне в этом поможет. Я добавляю сюда код, который я запускаю.
Здесь, на первом этапе, я присваиваю ноль значениям NA в растрах.
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
Здесь я складываю все мои 10 растровых слоев в один растр.
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$glcm_mean_ENVI,
RVIrededge)
Я сделал таблицу из своей функции, плюс указатель площади листа в качестве метки.
Table_Importance = data.frame(LAI=d$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)
И, наконец, запускаем Randomforest:
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)
Вот небольшой образец:
(head(Table_Importance, 20)