利用机器学习识别细碎图斑实战（2）：技术路线
本节主要讲利用机器学习做细碎图斑识别的技术路线，我们以后将按照这个技术路线完成整个过程。
首先看看整个技术路线图：
整个流程总共分成七个步骤，这七个步骤也是项目分析类任务的标准流程，下面我们简单来解释一下七个步骤的内容。
首先，作为任何一个项目，最重要的当然是对项目需求的理解，正所谓的“名不正则言不顺，言不顺则事不成”，所以第一件事就是要理解咋们准备干嘛。
在数据分析类的项目中，以机器学习一类的项目最为繁琐，因为机器学习的项目里面，对于数据的特征选择和模型的训练，都非常的耗费时间，如果不能很好的理解任务，不能很好的限定项目的边界，随意的去试错，会带来很严重的成本开销，这一点是无法忍受的。
我们对这个项目的理解，分为如下内容：
1、需要做些什么事情？
咱们这个项目，主要是为了在一系列地类图斑里面，去识别出一些特殊的图斑，包括了细碎、形状怪异、严重不规则的、可以省略掉的等（用客户粑粑的话来说，就是去掉一切“不顺眼”的图斑）。
2、怎么样才能算成功了？如何定义成功的标准。
只要把大部分“不顺眼”的图斑都挑出来，就算成功了。
（题外话：仅仅需要我们把那些不顺眼的图斑给标识出来，不需要删除掉，也不需要进行融合，只需要识别出来，之后怎么处理，是后面要做的事情）
3、目前有些什么有利和无利的条件，如何来应对？
当然，首先肯定是要有数据，给了一系列的数据（几十万个地类图斑）。
其次，我们选定了技术手段，采用机器学习的方式，利用基于随机森林的分类算法（当然，以后也可也尝试用其他的分类算法），识别哪些是“不顺眼”的，哪些是“顺眼”的。
问题是，这些数据里面，那些图斑属于“不顺眼”的图斑，在具体看见之前，不知道，没有指标，没有阈值。
4、结果怎么表达？
把识别出来的图斑进行信息统计，然后做可视化出来就可以了。
5、步骤和里程碑分别是什么？
整个项目分成7个阶段，其中设计实际技术实现一共有六个阶段，每个阶段的内容如下：
1、数据处理阶段
获取、清洗、理解数据。数据是客户提供的，以及完成了地类图斑建库的数据，所以清洗就不用了，但是我们还需要把数据处理为程序可以识别的数据，作为空间数据，最简单的就直接采用shapefile进行承载即可。
之后需要对数据进行简要的探索性分析，确定各种极值以及分布情况。
2、特征库构建
选定哪些特征指标，来对图斑进行表达，这是机器学习里面最重要的一个步骤，特征工程是机器学习的基础，如何进行特征库构建，也是机器学习从业者水平的一个硬性标尺。
特征库的构建，包括了特征选择、特征提取、特征量化等多个步骤，特征工程的好坏，直接决定了原始数据能够在机器学习项目中发挥多大的效能，大部分时候好的特征库对算法和性能的提升，都远大于在模型构建的投入——根据奥卡姆剃刀原理：如无必要，勿增实体，越简约越好，所以，很多时候，复杂的模型反而不如简单模型的效果更好。
3、样本库的构建
既然无法把“不顺眼”这个形容词用量化的方式进行固定，样本库就只能通过人工的方式进行分类识别。通过人工的方式，把一批“不顺眼”的图斑给挑出来，作为训练样本和验证样本。
4、模型训练
这一步就是通过算法来实现了，本来可以用ArcGIS Pro提供的随机森林分类工具来实现的，不过鉴于很多同学用不了ArcGIS Pro，所以选择更普世的工具：Python 的sklearn包来实现分类模型的训练和验证。
5、模型的优化
对模型进行反复迭代，并且统计每次迭代的新模型的情况，验证模型的有效性，通过观察误差样本，分析误差产生的原因（是参数的问题还是算法选择的问题，是特征的问题还是数据本身的问题 …）来对模型进行调整和优化。
在这一步的时候，可以尝试使用真实数据（而非挑选出来的样本）进行尝试了，并且人工验证模型性能，并且适量的添删样本库里面的样本信息，并且重新训练模型。
6、执行模型。
执行模型，完成分类识别。
之后对结果进行自动检验（统计分析方法）和人工检验（随机抽检）。并且进行制图和可视化。
以上六个步骤，就是我们整个项目实战的详细技术步骤，后面我们将逐步展开，把每个步骤的实现方式给大家逐一讲解，以揭开机器学习这个普适性技术“神秘”的面纱。
（大家猜猜上图是哪个电影里面的场景，可以在文后留言）
待续未完。