ESTIMACION
DE LA EXACTITUD DE UNA CLASIFICACION - MATRIZ DE CONFUSION
(continuación)
Tenemos dos versiones equivalentes de la matriz: una cuyas entradas se expresan en pixeles
y otra en que se expresan como porcentajes. Obsérvese que además de las cuatro clasesde
interés se introduce una columna y fila correspondiente a los pixeles que no pudieron ser
clasificados. Los elementos en rojo de la diagonal indican los pixeles que
fueron correctamente clasificados. Todos los elementos fuera de la diagonal indican errores de
omisión o de comisión. Los errores de omisión corresponden a los elementos no diagonales
de las columnas (ej.: un total de 4105 pixeles que debieran haber sido clasificados como
“forestación” se asignaron a varias otras clases). Los errores de comisión
corresponden a los elementos no diagonales de las filas (ej.: 2440 pixeles no
clasificados, 8 de forestación, 993 de cerros sin vegetación y 630 de cultivos se incluyeronerróneamente en la clase “áreas no cultivadas”.
A partir de la matriz de confusión podemos calcular varias otras medidas de interés desde el
punto de vista de la exactitud:
Exactitud global (overall accuracy).
Se calcula dividiendo el número total de pixeles correctamente clasificados por el número
total de pixeles de referencia y expresándolo como porcentaje. En nuestro caso,
(131261 / 160000)*100 = 82.0381%
Este índice es global y no nos indica cómo la exactitud se reparte entre las diversas
categorías individuales. Muchas veces las categorías individuales presentan exactitudes
drásticamente diferentes pero se combinan de modo que esto no se refleja en la exactitud
global. Examinando la matriz de confusión vemos que podemos utilizar dos métodos para
evaluar la exactitud de las categorías individuales:
Exactitud del usuario (user’s accuracy).
Se calcula dividiendo el número de pixeles correctamente clasificados en cada categoría por
el número total de pixeles que fueron clasificados en dicha categoría (total de la fila). Como
ejemplo en nuestro caso tenemos para la forestación
(9476 / 14280)*100 = 66.36%
Se justifica este índice en el sentido de que el usuario está especialmente interesado en el
porcentaje de cada clase que ha sido correctamente clasificado.
Exactitud de productor (producer’s accuracy).
Resulta de dividir el número de pixeles correctamente clasificados en cada categoría por el
número de pixeles de referencia utilizados para dicha categoría (total de la columna). En
nuestro caso tendremos para la categoría forestación,
(9476 / 13581)*100 = 69.77%
El productor está más interesado en este índice pues le dice cuan bien los pixeles de
referencia han sido clasificados.

Las medidas de exactitud que
acabamos de considerar, aunque simples de usar están basadas sea en la diagonal
principal, sea en las filas y columnas de la matriz de confusión solamente.
Estas medidas no aprovechan la información contenida en dicha matriz considerada en
conjunto. Más aún, puede ocurrir que una distribución totalmente aleatoria de los pixeles en las clases pueda conducir a resultados aparentemente correctos en
la matriz de confusión.
Buscando superar estos inconvenientes se ha
propuesto un índice denominado coeficiente kappa. Este estadístico es una medida de la
diferencia entre la exactitud lograda en la clasificación con un clasificador automático y la
chance de lograr una clasificación correcta con un clasificador aleatorio.
La definición conceptual del coeficiente kappa es la siguiente:


<<
PAGINA ANTERIOR - INDICE DEL
TUTORIAL - PAGINA SIGUIENTE >>

INDICE DEL TUTORIAL:
1- INTRODUCCION A LA
PERCEPCION REMOTA
2. NATURALEZA DE LAS RADIACIONES ELECTROMAGNÉTICAS
3. INTERACCION DE LA RADIACION CON LA MATERIA Y ORIGEN DE LOS ESPECTROS
4. INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE
TERRESTRE.
INTERACCION DE LAS RADIACIONES CON LOS OBJETOS DE LA SUPERFICIE
TERRESTRE (continuación)
LA REFLECTANCIA EN LOS VEGETALES
LA REFLECTANCIA EN EL AGUA
5. INTERACCIONES ATMOSFERICAS
6. LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES
LA ADQUISICION DE DATOS Y LAS PLATAFORMAS SATELITALES (continuación)
SATELITES METEOROLOGICOS Y AGROMETEOROLOGICOS
LOS NUEVOS SATELITES PARA LA OBSERVACION DE LA TIERRA
RECEPCION Y TRANSMISION DE LA INFORMACION SATELITAL
7. SENSORES
7.1. Consideraciones generales
SENSORES (continuación)
7.2 Naturaleza de los detectores
SENSORES: BANDAS ESPECTRALES LANDSAT TM y SPOT HRVIR
7.3 Estudio de dos casos: LANDSAT y SPOT
7.4 Resolución
7.4.1 Resolución espacial
7.4.2 Resolución espectral
7.4.3 Resolución radiométrica
7.4.4 Resolución temporal
7.5 Escala y resolución espacial.
8. ESTRUCTURA DE LAS IMÁGENES DIGITALES
ESTRUCTURA DE LAS IMAGENES DIGITALES (continuación)
9. PROCESAMIENTO DE LAS IMÁGENES SATELITALES
PROCESAMIENTO DE LAS IMAGENES SATELITALES (continuación)
9.2 Realces
9.2.2 Filtrado espacial
9.2.3 Análisis por Componentes Principales
9.2.4 Combinaciones de color
Combinaciones de color (continuación)
IMAGENES SATELITALES - CLASIFICACION
9.3 Clasificación
Clasificación (continuación)
9.4.1 Clasificación supervisada
9.4.1.2 Clasificador por paralelepípedos.
9.4.1.3 Clasificador por máxima probabilidad (maximum likelihood)
Clasificador por máxima probabilidad (maximum likelihood) -
(continuación)
9.3.2 Clasificación no supervisada
9.3.3 Estimación de la exactitud de una clasificación: Matriz de
confusión
Estimación de la exactitud de una clasificación: Matriz de confusión
(continuación)
9.3.4 Otros métodos de clasificación
9.3.4.1. Clasificador de red neuronal artificial
Clasificador de red neuronal artificial (continuación)
9.3.4.2 Clasificadores difusos (fuzzy classifiers)
10. ALGUNAS APLICACIONES DE LA PERCEPCION REMOTA
10.1 Aplicaciones en Agricultura.
10.1.2 Indices N-dimensionales “Tasseled Cap”
10.1.3 Indices de vegetación a partir de imágenes hiperespectrales
10.2.1 Generalidades sobre el infrarrojo térmico
10.2.2 Aplicaciones del infrarrojo térmico
10.2.2.1 Temperatura del mar
10.2.2.2 Temperatura terrestre
10.3 Monitoreo de áreas de desastre
10.3.1 Algunos ejemplos típicos
10.3.2 El monitoreo a escala global de desastres
APENDICE I : NOCIONES BASICAS SOBRE SENSORES DE RADAR
APENDICE II: BIBLIOGRAFIA SUGERIDA
OTROS ITEMS DE INTERES
|