在 R 中使用 SVM 预测栅格文件答案

【问题标题】：Use SVM predict raster file in R在 R 中使用 SVM 预测栅格文件
【发布时间】：2018-02-04 04:51:27
【问题描述】：

我是 R 新手。我已经在 R 中有一个 SVM 模型。现在，我有两个光栅图像，一个是高程，另一个是坡度。海拔和坡度将用作 SVM 的预测因子。而且我还想将结果绘制成地图。

现在我的代码如下，但是两个光栅图像输入的预测都返回0。应该是0或1。有什么问题吗？

library("e1071")
tornado=read.csv(file="~/Desktop/new.csv",header=TRUE,sep=",")

err<- rep(0,5)
m<-0

for (i in c(1:5)) {
 #split the data sets into testing and training
 training.indices <- sample(nrow(tornado), 1800)
 training <- rep(FALSE, nrow(tornado))
 training[training.indices] <- TRUE

 tornado.input<- tornado[training,]
 tornado.input=data.frame(tornado.input)
 tornado=data.frame(tornado)

 tornado$Sig <- factor(tornado$Sig)

 model <- svm(Sig~slope+elevation, data=tornado.input)

 pred<- predict(model, tornado[!training,] )

 ConfM1<- table(tornado$Sig[!training], pred=pred)

 err[i]<-(sum(ConfM1)-sum(diag(ConfM1)))/sum(ConfM1)

}

library("raster")
library("rgdal")
elevation <- raster("~/Desktop/elevation.tif")
slope<- raster("~/Desktop/slope.tif")
#plot(elevation)
#plot(slope)

logo <- brick(elevation, slope)

r1 <- predict(logo,model)

plot(r1)

【问题讨论】：

标签： r svm r-raster

【解决方案1】：

也许现在回答这个问题有点晚了，但我遇到了同样的问题。 raster::predict 函数似乎没有提供与 stats:predict 相同的输出。我的替代解决方案是简单地从预测栅格（坡度和高程）中提取值，然后使用 ggplot 在空间上投影结果。

####Convert raster into dataframe
logo_df <- as.data.frame(values(logo))
logo_df[c("x","y")] <- coordinates(logo)
logo_df <- logo_df[complete.cases(logo_df),] # in case you had holes in your raster

#### predict to this new data
pred <- predict(model, logo_df, probability = T)
logo_df$svm.fit <- attr(pred, "probabilities")[,2]

###map the predictions
ggplot(logo_df, aes(x,y,fill=svm.fit)) + 
  geom_tile() + 
  scale_fill_gradientn(colours = rev(colorRamps::matlab.like(100))) +
  coord_fixed()

【讨论】：

【解决方案2】：

我遇到了这个问题，发现当我将 RasterStack 的层重命名为它们的变量名并添加类型选项时，它起作用了！

例如

names(logo)<-c("elevation","slope")
r1<-predict(logo,model,type="response")

【讨论】：