When analyzing the performance metr

When analyzing the performance metrics, it is observed that both agree on the advantage in classification performance via Random Forest method, however, according to the qualitative grouping of the Kappa coefficient proposed by Fonseca (2000), both classifications were considered excellent, (0.8 < k < 1), proving that the training samples collected corroborated the classified information.According to Perroca and Gaidzinski (2003) the Kappa coefficient can be defined as a measure of association used to describe and test the degree of agreement (reliability and precision). In this aspect, the two models had high concordances between the classified data and the training layer, demonstrating the efficiency of both in the process of identifying the classes of use and occupation of the land.

ผลลัพธ์ (ไทย) 1:

เมื่อวิเคราะห์ตัวชี้วัดประสิทธิภาพ พบว่าทั้งสองเห็นด้วยกับข้อได้เปรียบในประสิทธิภาพการจำแนกประเภทโดยวิธี Random Forest อย่างไรก็ตาม ตามการจัดกลุ่มเชิงคุณภาพของค่าสัมประสิทธิ์แคปปาที่เสนอโดย Fonseca (2000) การจำแนกทั้งสองประเภทถือว่าดีเยี่ยม (0.8 < k < 1) พิสูจน์ว่าตัวอย่างการฝึกอบรมที่รวบรวมได้ยืนยันข้อมูลที่เป็นความลับ จากข้อมูลของ Perroca และ Gaidzinski (2003) ค่าสัมประสิทธิ์แคปปาสามารถกำหนดเป็นหน่วยวัดการเชื่อมโยงที่ใช้ในการอธิบายและทดสอบระดับของข้อตกลง (ความน่าเชื่อถือและความแม่นยำ) ในด้านนี้ แบบจำลองทั้งสองมีความสอดคล้องกันสูงระหว่างข้อมูลที่จำแนกและชั้นการฝึกอบรม ซึ่งแสดงให้เห็นถึงประสิทธิภาพของทั้งในกระบวนการระบุประเภทการใช้ประโยชน์และการยึดครองที่ดิน

ผลลัพธ์ (ไทย) 2:

เมื่อวิเคราะห์ตัวชี้วัดประสิทธิภาพสามารถสังเกตได้ว่าทั้งสองเห็นด้วยกับข้อได้เปรียบในการจำแนกประสิทธิภาพด้วยวิธีการป่าไม้แบบสุ่ม อย่างไรก็ตามการจำแนกประเภททั้งสองถือว่ายอดเยี่ยม (0.8 <k <1) ตามการจัดกลุ่มเชิงคุณภาพของค่าสัมประสิทธิ์ Kappa ที่เสนอโดย Fonseca (2000) ซึ่งพิสูจน์ได้ว่าตัวอย่างการฝึกอบรมที่เก็บรวบรวมได้ยืนยันข้อมูลการจำแนกประเภท
ตาม Perroca and Gaidzinski (2003) ค่าสัมประสิทธิ์ Kappa สามารถกำหนดเป็นตัวชี้วัดที่เกี่ยวข้องสำหรับการอธิบายและการทดสอบระดับของความสอดคล้อง (ความน่าเชื่อถือและความแม่นยำ) ในการนี้ทั้งสองรุ่นมีความสอดคล้องกันอย่างมากระหว่างข้อมูลการจำแนกและชั้นการฝึกอบรมแสดงให้เห็นถึงประสิทธิภาพของทั้งสองในกระบวนการกำหนดประเภทการใช้ที่ดินและการครอบครอง

ผลลัพธ์ (ไทย) 3:

เมื่อวิเคราะห์เมตริกประสิทธิภาพพบว่าทั้งสองเห็นพ้องกันว่าข้อได้เปรียบในการจําแนกประเภทโดยใช้วิธีการแบบสุ่มป่าอย่างไรก็ตามการจัดกลุ่มเชิงคุณภาพของค่าสัมประสิทธิ์ของKappaที่เสนอโดยFonseca ( 2000 )ทั้งสองประเภทถือว่ายอดเยี่ยม(0.8 < k <1)พิสูจน์ว่าตัวอย่างการฝึกอบรมที่รวบรวมยืนยันข้อมูลการจัดหมวดหมู่
ตามPerrocaและGaidzinski ( 2003 )ค่าสัมประสิทธิ์ของKappaสามารถกําหนดเป็นระดับความสัมพันธ์ที่ใช้ในการอธิบายและทดสอบระดับความสอดคล้อง(ความน่าเชื่อถือและความถูกต้อง) ในเรื่องนี้ทั้งสองโมเดลมีความสอดคล้องกันระหว่างข้อมูลการจัดหมวดหมู่และชั้นการฝึกอบรมซึ่งพิสูจน์ประสิทธิภาพของทั้งสองในการระบุประเภทการใช้ที่ดินและการครอบครอง