计算混淆矩阵 (Spatial Analyst)

需要 Spatial Analyst 许可。

获得 Image Analyst 许可后可用。

摘要

使用漏分误差和错分误差计算混淆矩阵,然后派生出分类地图与参考数据之间的一致性 kappa 指数和整体精度。

该工具使用创建精度评估点工具或更新精度评估点工具的输出。

使用情况

  • 该工具使用随机精度评估点计算混淆矩阵。精度评估点由创建精度评估点工具生成并由更新精度评估点工具进行更新。对于 CLASSIFIEDGROUND_TRUTH 字段,上述两种工具可确保每个点都有有效的类值。该工具将针对于每个类计算用户的精度与制作者的精度,以及协议的整体 kappa 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

    混淆矩阵示例

  • 用户的精度将显示误报,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,分类影像将某像素标识为不可渗透,但参考却将其标识为森林。根据参考数据,不可渗透类具有不应有的额外像素。

    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。

    Total 行将根据参考数据显示本应被识别为给定类的点的数目。

  • 已知类的像素被分类为非已知类,制作者的精度为假阴性误差。例如,分类影像将某像素标识为森林,但其实际上本应是不可渗透的。这种情况下,根据参考数据,不可渗透类缺少像素。

    生产者的精度也称为漏分误差或 2 类误差。在表格的列中读取用于计算此误差率的数据。

    Total 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 指数将提供对于分类精度的整体评估。

参数

标注说明数据类型
输入精度评估点

通过创建精度评估点工具创建,且其中包含 CLASSIFIEDGROUND_TRUTH 字段的精度评估点要素类。

Feature Layer
输出混淆矩阵

表格式形式的混淆矩阵输出文件名。

表的格式由输出位置和路径确定。默认情况下,输出为一张地理数据库表。如果该路径不在地理数据库中,请指定 .dbf 扩展名以将其保存为 dBASE 格式。

Table

ComputeConfusionMatrix(in_accuracy_assessment_points, out_confusion_matrix)
名称说明数据类型
in_accuracy_assessment_points

通过创建精度评估点工具创建,且其中包含 CLASSIFIEDGROUND_TRUTH 字段的精度评估点要素类。

Feature Layer
out_confusion_matrix

表格式形式的混淆矩阵输出文件名。

表的格式由输出位置和路径确定。默认情况下,输出为一张地理数据库表。如果该路径不在地理数据库中,请指定 .dbf 扩展名以将其保存为 dBASE 格式。

Table

代码示例

ComputeConfusionMatrix 示例 1(独立脚本)

该示例将根据精度评估点计算混淆矩阵。

import arcpy
from arcpy.sa import *

arcpy.gp.ComputeConfusionMatrix("aapnt2.shp", "confm.dbf")

环境

此工具不使用任何地理处理环境。

许可信息

  • Basic: 需要 Spatial Analyst 或 Image Analyst
  • Standard: 需要 Spatial Analyst 或 Image Analyst
  • Advanced: 需要 Spatial Analyst 或 Image Analyst

相关主题