To assess the accuracy of the class

To assess the accuracy of the classification results
from the decision trees, we first conducted field
sampling and then used the ground truth to build
error matrices. The field sampling adopted a
stratified random sampling so that the distribution
of the sample points was relatively even across
different land cover categories (Congalton 1991).
Besides the correctness for each category that can be
directly read from the error matrix (Hord and
Brooner 1976, Congalton 1991), we also calculated
more sophisticated Kappa coefficients to measure
differences between actual and chance agreement
(Cohen 1960, Fung and LeDrew 1988, Congalton
1991, Campbell 2002). The error matrices for the
three years and their corresponding Kappa values
are listed in Table 6.
It was not surprising that results of 2002 had the
highest accuracy because theTMimage from this year
was used to build the decision tree. However, we
consider the results from the other two years to also be
satisfactory. Their relatively high accuracies indicate
that a decision tree built using the data from one year
may be reused for other years in identifying mangrove
forests. As a result, we might be able to establish a
general classification rule set for this application.

ผลลัพธ์ (ไทย) 1:

เพื่อประเมินความถูกต้องของผลลัพธ์ประเภท
จากต้นไม้ตัดสินใจ เราก่อนดำเนินการฟิลด์
สุ่มตัวอย่าง และใช้ความจริงดินสร้าง
เมทริกซ์ข้อผิดพลาด สุ่มตัวอย่างเขตข้อมูลที่นำมาใช้เป็น
stratified สุ่มตัวอย่างแบบสุ่มเพื่อให้การกระจาย
ของตัวอย่าง จุดในแนวนอนจะค่อนข้างถูก
ประเภทครอบคลุมดินแดนต่าง ๆ (Congalton 1991) .
นอกจากความถูกต้องสำหรับแต่ละประเภทที่สามารถ
อ่านโดยตรงจากเมตริกซ์ข้อผิดพลาด (คิดฮอด และ
Brooner 1976, Congalton 1991), เรายังคำนวณ
เพิ่มเติมซับซ้อนสัมประสิทธิ์ Kappa วัด
ความแตกต่างระหว่างข้อตกลงจริง และโอกาส
(1960 โคเฮน ฝั่ง และ LeDrew 1988, Congalton
1991, 2002 แคมป์เบล) เมทริกซ์ข้อผิดพลาดสำหรับการ
สามปีและค่า Kappa ตรง
แสดงในตาราง 6.
ไม่น่าแปลกใจว่า ผลลัพธ์ของ 2002 มีการ
ความถูกต้องสูงสุดเนื่องจาก theTMimage ปีนี้
ถูกใช้ในการสร้างต้นไม้ตัดสินใจ อย่างไรก็ตาม เรา
พิจารณาผลลัพธ์จากอื่น ๆ สองปียัง เป็น
พอ ระบุ accuracies ของพวกเขาค่อนข้างสูง
ว่า ต้นไม้ตัดสินใจสร้างขึ้นโดยใช้ข้อมูลจากหนึ่งปี
อาจใช้ได้สำหรับปีอื่น ๆ ระบุเลน
ป่า ดังนั้น เราอาจจะต้องสร้างการ
ตั้งกฎประเภททั่วไปสำหรับโปรแกรมประยุกต์นี้ได้

ผลลัพธ์ (ไทย) 2:

เพื่อประเมินความถูกต้องของผลการจัดหมวดหมู่
จากต้นไม้การตัดสินใจครั้งแรกที่เราดำเนินการด้านการ
สุ่มตัวอย่างและนำไปใช้จริงในการสร้างพื้นดิน
การฝึกอบรมข้อผิดพลาด สุ่มตัวอย่างสนามนำ
สุ่มแบบแบ่งชั้นเพื่อให้การกระจาย
ของจุดตัวอย่างค่อนข้างแม้ข้าม
ที่แตกต่างกันประเภทสิ่งปกคลุมดิน (Congalton 1991)
นอกจากนี้ความถูกต้องสำหรับแต่ละประเภทที่สามารถ
อ่านได้โดยตรงจากเมทริกซ์ข้อผิดพลาด (Hord และ
Brooner 1976 Congalton 1991) เรายังมีการคำนวณ
ค่าสัมประสิทธิ์ความซับซ้อนมากขึ้นคัปปาเพื่อวัด
ความแตกต่างระหว่างข้อตกลงที่เกิดขึ้นจริงและมีโอกาส
(โคเฮน 1960 Fung และ LeDrew 1988 Congalton
1991 แคมป์เบล 2002) การฝึกอบรมข้อผิดพลาดสำหรับ
สามปีและค่าคัปปาตามที่
ระบุไว้ในตารางที่ 6
มันไม่น่าแปลกใจที่ผล 2002 มี
ความถูกต้องมากที่สุดเพราะ theTMimage จากปีนี้
ถูกใช้ในการสร้างต้นไม้ตัดสินใจ แต่เรา
พิจารณาผลที่ได้จากอีกสองปีที่ผ่านมานอกจากนี้ยังเป็น
ที่น่าพอใจ ความถูกต้องค่อนข้างสูงของพวกเขาแสดงให้เห็น
ว่าต้นไม้การตัดสินใจที่สร้างขึ้นโดยใช้ข้อมูลจากหนึ่งปี
อาจจะนำกลับมาใช้เป็นเวลาหลายปีอื่น ๆ ในการระบุป่าชายเลน
ป่า เป็นผลให้เราอาจจะสามารถสร้างการ
ตั้งกฎการจัดหมวดหมู่ทั่วไปสำหรับโปรแกรมนี้

ผลลัพธ์ (ไทย) 3:

เพื่อประเมินความถูกต้องของผลลัพธ์หมวดหมู่
จากการตัดสินใจต้นไม้ เราทำการทดลองสุ่มสนาม
แล้วก็ใช้พื้นความจริงสร้าง
เมทริกซ์ข้อผิดพลาด ด้านการสุ่มตัวอย่างบุญธรรม
การสุ่มตัวอย่างเพื่อการกระจาย
ของตัวอย่างจุดค่อนข้างแม้
ประเภทสิ่งปกคลุมดินต่าง ๆ (
congalton 1991 )นอกจากความถูกต้องแต่ละประเภทที่สามารถ
โดยตรงอ่านจากเมทริกซ์ข้อผิดพลาด ( ฮอร์ดและ
brooner 1976 congalton 1991 ) เรายังคำนวณที่ซับซ้อนมากขึ้นค่าสัมประสิทธิ์แคปปาวัด

ความแตกต่างระหว่างจริงและโอกาสข้อตกลง
( Cohen และ 1960 ฟง ledrew 1988 congalton
1991 - 2002 ) ข้อผิดพลาดเมทริกซ์สำหรับสามปีและสอดคล้องกับคัป

ค่าอยู่ในโต๊ะ 6 .
มันไม่น่าแปลกใจว่าผลลัพธ์ของ 2002 มีความถูกต้องสูงสุด thetmimage จากปีนี้

เพราะถูกใช้เพื่อสร้างต้นไม้ตัดสินใจ อย่างไรก็ตาม , เรา
พิจารณาผลจากอีกสองปีจะมี
น่าพอใจ ตนเองค่อนข้างสูงความถูกต้องบ่งชี้
ที่สร้างต้นไม้ตัดสินใจโดยใช้ข้อมูลจากหนึ่งปีอาจจะใช้สำหรับปีอื่น ๆ

ในการระบุที่ป่าชายเลนป่า ดังนั้น เราอาจจะสามารถสร้างหมวดหมู่ทั่วไป
ชุดกฎสำหรับโปรแกรมนี้