作者：CSDN @ _养乐多_
对于分类问题，这个输出通常是一个类别标签 ，而对于回归问题，输出通常是一个连续的数值。回归可以应用于多种场景，包括预测土壤PH值、土壤有机碳、土壤水分、碳密度、生物量、气温、海冰厚度、不透水面积百分比、植被覆盖度等。
本文将介绍在Google Earth Engine （GEE）平台上进行CART（Classification and Regression Trees）回归的方法和代码，其中包括样本点格式介绍，加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等)，训练和应用回归模型，优化回归算法的参数（绘制最优参数分布图）等步骤的方法和代码。
文章目录
- 一、CART 决策树回归器参数详解
- 二、完整代码链接
- 三、完整代码
一、CART 决策树回归器参数详解
下面是对 ee.Classifier.smileCart(maxNodes, min
)
计算操作)
---面向对象多态与封装(含有代码示例))
)
