Авторизоваться
Для зарегистрированных пользователей

В статье представлена сравнительная характеристика ансамблевых методов машинного обучения для задач бинарной классификации открытых песков и дефлированных территорий в аридных пастбищных ландшафтах на основе обучающей выборки, полученной с помощью масок максимальных и минимальных значений площади открытых песков за весь рассматриваемый год по данным Sentinel-2. Приведены основные шаги для создания качественной классификации с помощью библиотеки Scikit-learn для Python, различные метрики точности, а также временные затраты на обучение ансамблевых моделей. Выявлено, что при сопоставимом уровне точности при использовании различных методов основными критериями для выбора модели являются минимальное число необходимых гиперпараметров и время, затраченное на обучение.