使用mlr3、ranger与Terra实现分类概率预测及未知类添加的咨询

问题描述 #

我是机器学习新手，术语表述若有错误还请见谅。现咨询两个问题：

• 当任意一类的概率都极低时，能否添加额外的“unknown”类别？
• 如何将每个单元格的各类概率值以图层形式返回？

示例代码 #

library(terra, exclude = "resample") # 处理栅格数据
library(sf) # 处理矢量数据

library(mlr3verse) # 机器学习工具集，懒加载大部分mlr3包
library(mlr3spatiotempcv) # 空间重采样方法
library(mlr3spatial)

leipzig = read_sf(system.file("extdata", "leipzig_points.gpkg", package = "mlr3spatial"), stringsAsFactors = TRUE)

leipzig_raster = rast(system.file("extdata", "leipzig_raster.tif", package = "mlr3spatial"))

task = as_task_classif_st(leipzig, 
                          id = "veg_class", 
                          target = "land_cover", 
                          backend = leipzig)

resample_method = rsmp("repeated_spcv_coords", folds = 10)

rf_ranger_lrn = lrn("classif.ranger", predict_type = "prob", importance = "impurity")

resample_rf = resample(task = task,
                       learner = rf_ranger_lrn,
                       resampling = resample_method,
                       store_models = FALSE)

rf_ranger_lrn$train(task)

classes <- terra::predict(leipzig_raster, rf_ranger_lrn, na.rm = TRUE)

问题解答 #

1. 添加“unknown”类别 #

可以实现，分两种场景处理：

• 训练阶段加入unknown样本：如果你有无法确定类别的样本，直接将它们标记为unknown加入训练数据集，让模型学习识别这类不确定的情况，后续预测时模型会自动输出unknown类别的概率。
• 预测后处理生成unknown：如果没有这类训练样本，可以在得到所有类别概率后，设定一个阈值（比如所有类别的最大概率低于0.3），将满足条件的单元格标记为unknown。示例代码如下：

# 获取所有类别的概率图层
prob_raster <- terra::predict(leipzig_raster, rf_ranger_lrn, na.rm = TRUE, type = "prob")
# 计算每个单元格的最大概率值
max_prob <- max(prob_raster)
# 创建unknown图层：最大概率低于0.3时为1，否则为0
unknown_layer <- ifel(max_prob < 0.3, 1, 0)
# 将unknown图层合并到概率栅格中
final_raster <- c(prob_raster, unknown_layer)
# 修改最后一个图层的名称为"unknown"
names(final_raster)[nlyr(final_raster)] <- "unknown"

阈值可以根据实际需求调整，比如0.2或0.4，取决于你对“极低概率”的定义。

2. 返回各类概率的图层 #

你的rf_ranger_lrn已经设置了predict_type = "prob"，只需在terra::predict中明确指定返回概率类型，就能得到每个类别对应一个图层的多波段栅格：

# 直接获取每个类别的概率图层，每个类别对应一个栅格图层
prob_layers <- terra::predict(leipzig_raster, rf_ranger_lrn, na.rm = TRUE, type = "prob")
# 查看各个图层对应的类别名称
names(prob_layers)

prob_layers就是包含所有类别概率的多图层栅格，每个图层对应一个类别的概率值，后续可以单独提取或分析任意类别的概率图层。

内容的提问来源于stack exchange，提问作者pbengou