Klassifikation von Landbedeckungen: Anpassung der Klassen
Im letzten Blogpost haben wir uns mit der sogenannten Fernerkundung beschäftigt, welche uns die Untersuchung der Erdoberfläche mit Hilfe von elektromagnetischer Strahlung ermöglicht. Mit der Klassifikation von Landbedeckungen in Satellitendaten mittels maschinellem Lernen haben wir ein Anwendungsbeispiel kennengelernt. Die dabei durchgeführte Klassifikation brachte bereits beeindruckende Ergebnisse zustande. Siedlungsstrukturen, große Verkehrswege und verschiedene Grünflächen wurden erkannt. Doch bei der Prüfung der Klassifikation sind verschiedene Fehlklassifikationen aufgefallen. Um solche Fehlklassifikationen zu verringern, habe ich Änderungen der Klasseneinteilungen vorgeschlagenen. In der darauffolgenden Zeit habe ich die Klassifikation zweimal mit jeweils anderen Klasseneinteilungen neu durchgeführt. Dabei hat sich gezeigt, dass Einteilung der Klassen und der Trainingsgebiete eine entscheidende Rolle beim Ergebnis der Klassifikation spielen.