简介

这里我们首先要更改原始代码的中的影像和研究区矢量的问题，这个为了防止我们计算的过程超限，建议先将我们的研究区影像和样本点先存在自己的assets中，然后导入到新的脚本中。然周本文就是对其进行影像进行归一化处理，然后进行样本点值提取至点，然后训练样本点，进行训练，然后对样本点随机化，然后计算相应的精度即可

分类属性

函数

ee.Classifier.smileRandomForest(numberOfTrees, variablesPerSplit, minLeafPopulation, bagFraction, maxNodes, seed)

Creates an empty Random Forest classifier.

Arguments:

numberOfTrees (Integer):

The number of decision trees to create.

variablesPerSplit (Integer, default: null):

The number of variables per split. If unspecified, uses the square