需要 Spatial Analyst 许可。
获得 Image Analyst 许可后可用。
评估分类的精度
精度评估使用参考数据集来确定分类结果的精度。参考数据集的值需要与方案相匹配。参考数据可为多种不同的格式。
- 作为分类影像的栅格数据集
- 面要素类或 shapefile。要素类属性表的格式需要与训练样本相匹配。为了确保这一点，您可以使用训练样本管理器来读取和写出数据集，以此创建参考数据集。
- 点要素类或 shapefile。格式需要与创建精度评估点工具的输出相匹配。如果您正在使用一个现有文件并且想要将其转换为适当的格式，请使用创建精度评估点地理处理工具。
随机点的数量
将生成的随机点总数。根据采样策略和类数，实际数量可能会超出此数量但绝不会低于此数量。默认随机生成的点数为 500。
采样策略
指定要使用的采样方案：
- 分层随机 - 创建每个类中随机分布的点，其中每个类的点数与其相对区域是成比例的。这是默认设置。
- 均衡化分层随机 - 创建每个类中随机分布的点，其中每个类具有相同的点数。
- 随机 - 创建在整个影像中随机分布的点。
了解结果
运行工具后，您将看到混淆矩阵的图形表达。将鼠标悬停在某个像元上可查看计数、用户精度、生产者精度和 FScore。Kappa 得分还将显示在窗格的底部。输出表将被添加到内容窗格。
分析对角线
用 0 - 1 表示精度，其中 1 表示精度为 100%。颜色从浅蓝色过渡到深蓝色，颜色越深表示精度越高。
与对角线不同，偏离对角线的像元显示基于遗漏和错分的误差。错分误差显示的是误报，其中一些像素本应被划分为其他类，但却被错误地分为已知类。例如，分类影像显示某像素不可渗透，但实际上该地面是可渗透的。根据实际地表数据，不可渗透类具有额外像素。错分误差为漏报，即已知类的像素被分类为其他类。例如，分类影像显示某像素是森林，但其实际上却是不可渗透的。这种情况下，根据实际地表数据，不可渗透类缺少像素。错分误差也称为用户的精度或 1 类误差。错分误差也称为生产者的精度或 2 类误差。
查看输出混淆矩阵
如果要检查错误报告的详细信息，您可以将报告加载到内容窗格并打开报告。报告是位于您的工程中或您指定的输出文件夹中的 .dbf 文件。混淆矩阵表将针对每个类列出用户的精度（U_Accuracy 列）、生产者的精度（P_Accuracy 列）以及协议的整体 kappa 统计指数。这些精度的范围介于 0 到 1 之间，其中 1 表示 100% 的精度。以下是混淆矩阵的示例。
c_1 | c_2 | c_3 | 总计 | U_Accuracy | Kappa | |
c_1 | 49 | 4 | 4 | 57 | 0.8594 | 0 |
c_2 | 2 | 40 | 2 | 44 | 0.9091 | 0 |
c_3 | 3 | 3 | 59 | 65 | 0.9077 | 0 |
总计 | 54 | 47 | 65 | 166 | 0 | 0 |
P_Accuracy | 0.9074 | 0.8511 | 0.9077 | 0 | 0.8916 | 0 |
Kappa | 0 | 0 | 0 | 0 | 0 | 0.8357 |
用户精度列将显示误报（或漏分误差），其中一些像素本应被划分为其他类，但却被错误地分为已知类。例如，分类影像将某像素标识为柏油路，但参考却将其标识为森林。根据参考数据，柏油路类包含不应有的额外像素。用户的精度也称为错分误差或 1 类误差。从表格的行中读取用于计算此误差率的数据。总计行将根据参考数据显示本应被识别为给定类的点的数目。
生产者的精度列显示误报或错分误差。在表格的列中读取用于计算此误差率的数据。总计列根据分类地图显示被识别为给定类的点的数目。
协议的 Kappa 统计将提供对于分类精度的整体评估。