សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ (Fundamentals of Remote Sensing)

ការវាយតម្លៃភាពត្រឹមត្រូវ

មេរៀនទី១៣ នៃ ១៥ · ៣ ម៉ោង
យាំ សារដ្ឋ · YAM Sarath
គម្របដីព្យាករ (ពីការចាត់ថ្នាក់)គម្របដីពិត (ទីវាល)ទឹកទឹកព្រៃព្រៃស្រែស្រែសំណង់សំណង់ដីទទេដីទទេ៤២៣៤២២១៣៨១៦៥០២៣៥៤៣៤០២២០៤៤៥០៥១៥អង្កត់ទ្រូង (បៃតង) = ចាត់ថ្នាក់ត្រូវ · ក្រៅអង្កត់ទ្រូង = ច្រឡំគ្នាProducer's accuracy = ជួរដេក · User's accuracy = ជួរឈរ · Overall = អង្កត់ទ្រូង÷សរុប
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១

ផែនការមេរៀន ៣ ម៉ោង

  1. ស្ថានភាពបើកមេរៀន៖ ផែនទីមួយណាគួរជឿជាក់ជាង១៥ នាទី
  2. តារាងច្របូកច្របល់ · ពិសោធន៍៣០ នាទី
  3. Producer's និង User's Accuracy២៥ នាទី
  4. Kappa Coefficient · ពិសោធន៍៣០ នាទី
  5. យុទ្ធសាស្ត្រយកគំរូ២៥ នាទី
  6. ដែនកំណត់ · ឧទាហរណ៍៤០ នាទី
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២

គោលបំណងសិក្សា

បន្ទាប់ពីបញ្ចប់មេរៀន និស្សិតអាច៖

  • បង្កើត និងអានតារាងច្របូកច្របល់។
  • គណនា Overall Accuracy Producer's Accuracy និង User's Accuracy។
  • ពន្យល់ថាហេតុអ្វី Kappa coefficient ចាំបាច់ ក្រៅពីភាពត្រឹមត្រូវសរុប។
  • ជ្រើសយុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់ត្រឹមត្រូវ (ចៃដន្យ ស្រទាប់ ជាដើម)។
  • កំណត់ភាពខុសគ្នារវាងកំហុសនៃការធ្វើផែនទី និងកំហុសនៃការវាស់វែងភាពត្រឹមត្រូវខ្លួនឯង។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣

ចំណេះដឹងមុនត្រូវមាន

  • ខ្លឹមសារមេរៀនទី១១ និងមេរៀនទី១២៖ វិធីចាត់ថ្នាក់ទាំងពីរ។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤
មេរៀនទី១៣

ស្ថានភាពបើកមេរៀន

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥

ស្ថានភាពបើកមេរៀន

អ្នកស្រាវជ្រាវពីរនាក់ធ្វើផែនទីព្រៃឈើលើតំបន់ដូចគ្នា។ ម្នាក់ប្រើ K-means ម្នាក់ទៀតប្រើចម្ងាយអប្បបរមាដែលមានគំរូបណ្ដុះបណ្ដាល។ ផែនទីទាំងពីរមើលទៅសមហេតុផល ប៉ុន្តែខុសគ្នាបន្តិចត្រង់ព្រំតំបន់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦

ស្ថានភាពបើកមេរៀន

ដោយគ្មានការវាយតម្លៃជាផ្លូវការ គ្មាននរណាអាចនិយាយថាមួយណាល្អជាងបានទេ។ ដំណោះស្រាយគឺ យកគំរូផ្ទៀងផ្ទាត់ឯករាជ្យ (ដែលមិនប្រើក្នុងការបណ្ដុះបណ្ដាល ឬការគណនា K-means) រួចប្រៀបធៀបលទ្ធផលចាត់ថ្នាក់ជាមួយគម្របដីពិតនៅចំណុចទាំងនោះ។ លទ្ធផលនៃការប្រៀបធៀបនោះគឺ តារាងច្របូកច្របល់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧

ព័ត៌មានមេរៀន

ព័ត៌មាន

រយៈពេលបង្រៀនដែលស្នើ៖ ៣ ម៉ោង · មេរៀនទី ១៣ ក្នុងចំណោម ១៥

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៨

:material-presentation-play: ស្លាយបង្រៀនមេរៀននេះ

ផែនទីគម្របដីមួយ មិនថាបានមកពីការចាត់ថ្នាក់គ្មានការណែនាំ (មេរៀនទី១១) ឬមានការណែនាំ (មេរៀនទី១២) សុទ្ធតែជា ការទាយ មិនមែនការវាស់ដោយផ្ទាល់ទេ។ សំណួរដែលអ្នកសម្រេចចិត្តគ្រប់រូបតែងសួរគឺ៖ «ខ្ញុំគួរជឿទុកចិត្តលើផែនទីនេះប៉ុនណា?»

មេរៀននេះជាចម្លើយជាប្រព័ន្ធចំពោះសំណួរនោះ។ យើងនឹងសិក្សា តារាងច្របូកច្របល់ (Confusion Matrix) ដែលជាឧបករណ៍ស្នូលសម្រាប់រាយការណ៍ភាពត្រឹមត្រូវនៃការចាត់ថ្នាក់រូបភាពគ្រប់ការសិក្សា និងអត្ថន័យលេខនីមួយៗដែលវាបង្ហាញ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៩
មេរៀនទី១៣

ទ្រឹស្ដីស្នូល

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១០

តារាងច្របូកច្របល់

តារាងច្របូកច្របល់ (Confusion Matrix) ប្រៀបធៀប គម្របដីព្យាករ (ពីការចាត់ថ្នាក់) ជាមួយ គម្របដីពិត (ពីចំណុចផ្ទៀងផ្ទាត់ទីវាល ឬការបកស្រាយគុណភាពខ្ពស់ជាង)៖

គម្របដីព្យាករ (ពីការចាត់ថ្នាក់)គម្របដីពិត (ទីវាល)ទឹកទឹកព្រៃព្រៃស្រែស្រែសំណង់សំណង់ដីទទេដីទទេ៤២៣៤២២១៣៨១៦៥០២៣៥៤៣៤០២២០៤៤៥០៥១៥អង្កត់ទ្រូង (បៃតង) = ចាត់ថ្នាក់ត្រូវ · ក្រៅអង្កត់ទ្រូង = ច្រឡំគ្នាProducer's accuracy = ជួរដេក · User's accuracy = ជួរឈរ · Overall = អង្កត់ទ្រូង÷សរុប

រូបទី១៣.១៖ កាយវិភាគនៃតារាងច្របូកច្របល់ (Confusion matrix)។ អង្កត់ទ្រូងតំណាងចំនួនក្រឡាដែលចាត់ថ្នាក់ត្រូវ ខណៈក្រៅអង្កត់ទ្រូងបង្ហាញការច្រឡំរវាងថ្នាក់ណាមួយទៅថ្នាក់ណាមួយ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១១

តារាងច្របូកច្របល់

ការអាន៖ ជួរដេកតំណាងគម្របដីពិត ជួរឈរតំណាងគម្របដីព្យាករ (ឬផ្ទុយវិញ អាស្រ័យលើអ្នកនិពន្ធ ត្រូវពិនិត្យកំណត់សម្គាល់ជានិច្ច)។

អង្កត់ទ្រូង បង្ហាញចំនួនចំណុចដែលចាត់ថ្នាក់ត្រូវ (គម្របដីព្យាករ = គម្របដីពិត)។ ក្រៅអង្កត់ទ្រូង បង្ហាញការច្រឡំ៖ ជួរដេក «ព្រៃឈើ» ជួរឈរ «ស្រែ» មានតម្លៃ ២ មានន័យថា ចំណុចពិត ២ ដែលជាព្រៃឈើ ត្រូវបានចាត់ថ្នាក់ខុសទៅជាស្រែ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១២

ពិសោធន៍៖ បង្កើតតារាងច្របូកច្របល់

ប្ដូរចំនួនគំរូ ហើយចុចប៊ូតុងដើម្បីបង្កើតតារាងថ្មី។ សង្កេតកន្លែងណាដែលមានការច្រឡំ (ក្រឡាក្រៅអង្កត់ទ្រូងដែលមានតម្លៃ)។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៣

អានតារាងច្របូកច្របល់

តារាងច្របូកច្របល់ពិតMinimum distance ធៀបនឹងផែនទីយោង · ៩០ ០០០ ក្រឡាទឹកដើមឈើដំណាំ/តំបន់សដីទទេទឹក៩៨២០០០ដើមឈើ១៩១៧០១ដំណាំ/ស្មៅ២២៦៥០១៣៨តំបន់សាងសង់៤២២១៥៣១៩ដីទទេ០០០៨៩២ចាត់ថ្នាក់ជា →យោង ↓OA = ៧៣.០%Kappa = ០.៦៥លេខ = % នៃជួរដេក
សង្កេត
  • អង្កត់ទ្រូង (បៃតង) = ចាត់ថ្នាក់ត្រូវ · ក្រៅអង្កត់ទ្រូង = ច្រឡំ។
  • ជួរដេកប្រាប់ថា ថ្នាក់យោងមួយ ត្រូវចាត់ទៅថ្នាក់ណាខ្លះ។
  • សំណង់ និងដីទទេ ច្រឡំគ្នាច្រើនបំផុត។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៤

សំណួររហ័ស

សរសេររូបមន្ត Overall Accuracy និងពន្យល់ព័ត៌មានដែលវាលាក់។

ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៥

ភាពត្រឹមត្រូវសរុប

Overall Accuracy (OA) ជាតួលេខសង្ខេបសាមញ្ញបំផុត៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៦

ភាពត្រឹមត្រូវសរុប

OA = (ផលបូកអង្កត់ទ្រូង) ÷ (ផលបូកសរុបទាំងអស់) × ១០០%
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៧

ភាពត្រឹមត្រូវសរុប

វាឆ្លើយសំណួរ «ជារួម តើចំណុចប៉ុន្មានភាគរយត្រូវបានចាត់ថ្នាក់ត្រូវ?

  • » ប៉ុន្តែវាបាំង ភាពខុសគ្នារវាងថ្នាក់។
  • ថ្នាក់មួយអាចត្រឹមត្រូវ ១០០% ខណៈថ្នាក់មួយទៀតត្រឹមត្រូវត្រឹមតែ ៦០% ហើយ OA នៅតែអាចមើលទៅល្អ បើថ្នាក់ដែលត្រឹមត្រូវខ្ពស់មានចំនួនច្រើនជាង។
  • នេះជាមូលហេតុដែលយើងត្រូវការតួលេខតាមថ្នាក់ផងដែរ។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៨

ភាពត្រឹមត្រូវតាមថ្នាក់៖ Producer's និង User's

ពីតារាងច្របូកច្របល់ គណនាបានពីរតួលេខសំខាន់ក្នុងមួយថ្នាក់៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣១៩

ភាពត្រឹមត្រូវតាមថ្នាក់៖ Producer's និង User's

  • Producer's Accuracy (PA)៖ គណនាពីជួរដេក (គម្របដីពិត)។ ចំពោះចំណុចដែលជាព្រៃឈើពិត ប៉ុន្មានភាគរយត្រូវបានចាត់ថ្នាក់ត្រូវជាព្រៃឈើ? វាវាស់ ការខកខាន (omission error)៖ ១០០% − PA = …
  • User's Accuracy (UA)៖ គណនាពីជួរឈរ (គម្របដីព្យាករ)។ ចំពោះចំណុចដែលផែនទីនិយាយថាជាព្រៃឈើ ប៉ុន្មានភាគរយជាព្រៃឈើពិតប្រាកដ? វាវាស់ ការបន្ថែមខុស (commission error)៖ ១០០% − UA = …
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២០

ភាពត្រឹមត្រូវតាមថ្នាក់៖ Producer's និង User's

ភាពខុសគ្នារវាងទាំងពីរសំខាន់ណាស់សម្រាប់ការសម្រេចចិត្ត៖ បើអ្នកគ្រោងប្រើផែនទីដើម្បី រកព្រៃឈើទាំងអស់ (ឧ. សម្រាប់ការការពារ) PA សំខាន់ជាង។

បើអ្នកគ្រោង ជឿជាក់លើផ្ទៃដីដែលសម្គាល់ថាជាព្រៃឈើ (ឧ. សម្រាប់ការវិនិយោគ) UA សំខាន់ជាង។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២១

ភាពត្រឹមត្រូវពីទស្សនៈពីរ

Producer's និង User's accuracy តាមថ្នាក់ទឹកPA ៩៨%UA ៩១%ដើមឈើPA ៩១%UA ៧៨%ដំណាំ/ស្មៅPA ៥០%UA ៦៣%តំបន់សាងសង់PA ៥៣%UA ៧៩%ដីទទេPA ៩២%UA ៣៦%
សង្កេត
  • PA (អ្នកផលិត)៖ ក្នុងចំណោមដីពិតនៃថ្នាក់នេះ ប៉ុន្មាន % ត្រូវបានរកឃើញ?
  • UA (អ្នកប្រើ)៖ ពេលផែនទីនិយាយថាថ្នាក់នេះ ត្រូវប៉ុន្មាន %?
  • OA ខ្ពស់អាចលាក់ PA ទាបនៃថ្នាក់តូច។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២២

សំណួររហ័ស

បែងចែក Producer's Accuracy និង User's Accuracy ព្រមទាំងឧទាហរណ៍។

ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៣

Kappa Coefficient

ភាពត្រឹមត្រូវសរុបមានបញ្ហាមួយទៀត៖ វាមិនគិតគូរថា ការទាយចៃដន្យក៏អាចផ្ដល់ភាពត្រឹមត្រូវខ្ពស់ដែរ បើថ្នាក់មួយគ្របដណ្ដប់ភាគច្រើននៃទិន្នន័យ។

ឧទាហរណ៍ បើ ៨០% នៃតំបន់សិក្សាជាព្រៃឈើ ការទាយថា «ព្រៃឈើ» សម្រាប់គ្រប់ចំណុច នឹងផ្ដល់ភាពត្រឹមត្រូវសរុប ៨០% ដោយគ្មានការវិភាគអ្វីសោះ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៤

ពិសោធន៍៖ ហេតុអ្វីត្រូវការ Kappa

ប្ដូរ «ថ្នាក់ភាគច្រើន» ឱ្យខ្ពស់ (ដូចព្រៃឈើគ្របដណ្ដប់ភាគច្រើន) ហើយសង្កេតថា Kappa ទាបជាង OA ខ្លាំងប៉ុនណា។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៥

Kappa Coefficient

Kappa Coefficient (κ) កែតម្រូវសម្រាប់ការឯកភាពដោយចៃដន្យ៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៦

Kappa Coefficient

κ = (OA − pe) ÷ (1 − pe)
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៧

Kappa Coefficient

ដែល pe ជាភាពត្រឹមត្រូវដែលរំពឹងទុកពីការទាយចៃដន្យ គិតពីសមាមាត្រនៃថ្នាក់នីមួយៗក្នុងតារាង។

ការបកស្រាយប្រហាក់ប្រហែល (Landis & Koch)៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៨

Kappa Coefficient

Kappaការបកស្រាយ
< ០អាក្រក់ជាងចៃដន្យ
០ ដល់ ០,២ខ្សោយណាស់
០,២ ដល់ ០,៤ខ្សោយ
០,៤ ដល់ ០,៦មធ្យម
០,៦ ដល់ ០,៨ល្អ
០,៨ ដល់ ១ល្អណាស់
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣២៩

Kappa Coefficient

ការសិក្សាវិទ្យាសាស្ត្រភាគច្រើន តម្រូវឱ្យរាយការណ៍ទាំង OA ទាំង Kappa រួមគ្នា ព្រោះ Kappa ទាប ខណៈ OA ខ្ពស់ ជាសញ្ញាព្រមានថាលទ្ធផលអាចត្រូវបានជំរុញដោយថ្នាក់ភាគច្រើនតែម្នាក់ឯង។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣០

Kappa ដកការត្រូវគ្នាដោយចៃដន្យ

គណនា KappaK̂ = (Pₒ − Pₑ) / (1 − Pₑ)Pₒ = ភាពត្រឹមត្រូវសរុប · Pₑ = ភាពត្រូវគ្នាដោយចៃដន្យ = Σ (ផលបូកជួរដេក × ផលបូកជួរឈរ) / N²< ០,៤ខ្សោយ០,៤–០,៦មធ្យម០,៦–០,៨ល្អ> ០,៨ល្អណាស់
សង្កេត
  • OA ៨០% អាចមិនល្អ បើថ្នាក់មួយគ្របដណ្ដប់ ៨០% នៃរូបភាព។
  • Kappa ប្រៀបធៀបលទ្ធផលជាមួយការទាយចៃដន្យ។
  • អ្នកស្រាវជ្រាវជាច្រើនណែនាំឱ្យរាយការណ៍ PA/UA និងផ្ទៃ ជាងពឹងលើ Kappa តែមួយ។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣១

សំណួររហ័ស

ហេតុអ្វី Kappa Coefficient ចាំបាច់ ក្រៅពី OA?

ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣២

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

គុណភាពនៃការវាយតម្លៃ អាស្រ័យលើគុណភាពគំរូផ្ទៀងផ្ទាត់ ដូចគ្នានឹងគំរូបណ្ដុះបណ្ដាលដែរ។

គោលការណ៍ចាំបាច់៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៣

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

  • ឯករាជ្យទាំងស្រុងពីគំរូបណ្ដុះបណ្ដាល៖ កុំប្រើចំណុចដដែលសម្រាប់ទាំងពីរគោលបំណង។
  • យកគំរូចៃដន្យ ឬចៃដន្យបែងចាត់ថ្នាក់ (stratified random)៖ ចៃដន្យសុទ្ធអាចផ្ដល់ចំណុចតិចពេកសម្រាប់ថ្នាក់កម្រ (ដូចជាទឹក ដែលមានផ្ទៃតូច)។ ការបែងចាត់ថ្នាក់មុន រួចចៃដន្យក្នុងថ្នាក់នីមួយៗ …
  • ចំនួនគំរូគ្រប់គ្រាន់៖ គោលការណ៍ណែនាំទូទៅ យ៉ាងតិច ៥០ ចំណុចក្នុងមួយថ្នាក់ សម្រាប់ការសិក្សាកម្រិតមធ្យម (ច្រើនជាងនេះសម្រាប់ការសិក្សាដែលទាមទារភាពត្រឹមត្រូវខ្ពស់ ឬតំបន់ធំ)។
  • ប្រភពគំរូគុណភាពខ្ពស់ជាងទិន្នន័យដែលកំពុងវាយតម្លៃ៖ ការចុះទីវាល ឬការបកស្រាយពីរូបភាពគុណភាពខ្ពស់ជាង (ឧ. ប្រើរូបភាពក្រឡា ០,៥ ម ដើម្បីផ្ទៀងផ្ទាត់ការចាត់ថ្នាក់ពី Sentinel-2)។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៤

ភាពលំអៀងពេលវេលា

ប្រុងប្រយ័ត្ន

គំរូផ្ទៀងផ្ទាត់ដែលចុះទីវាលក្រោយការថតរូបភាពជាច្រើនខែ អាចលែងត្រឹមត្រូវទេ ជាពិសេសសម្រាប់ថ្នាក់ដែលប្ដូរលឿន (ដូចជាស្រែ)។ ត្រូវប្រុងប្រយ័ត្នអំពីភាពស្របគ្នានៃពេលវេលារវាងរូបភាព និងគំរូផ្ទៀងផ្ទាត់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៥

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

**ត្រូវការចំណុចផ្ទៀងផ្ទាត់ប៉ុន្មាន?

** ទ្រឹស្ដីប្រូបាប៊ីលីតេទ្វេធាតុ (binomial) ផ្ដល់រូបមន្ត (Fitzpatrick-Lins, 1981)៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៦

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

N = Z² × p × q ÷ E²
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៧

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

ដែល p = ភាពត្រឹមត្រូវដែលរំពឹង (%) · q = ១០០ − p · E = កំហុសដែលអនុញ្ញាត (%) · Z = ២ (កម្រិតទំនុកចិត្ត ~៩៥%)។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៨

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

  • p = ៨៥% · E = ៥% → N = ២² × ៨៥ × ១៥ ÷ ៥² = ២០៤ ចំណុច
  • p = ៨៥% · E = ១០% → N = ២² × ៨៥ × ១៥ ÷ ១០² = ៥១ ចំណុច
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៣៩

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

ការកាត់បន្ថយកំហុសដែលអនុញ្ញាតពាក់កណ្ដាល ត្រូវការចំណុចបួនដង។

ចំនួននេះគឺសម្រាប់ផែនទីទាំងមូល ដែលត្រូវចែកទៅតាមថ្នាក់ (បែងចាត់ថ្នាក់)។

ឧទាហរណ៍ KHAT ពេញលេញ៖ រូបមន្តពេញ

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤០

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

K̂ = (N Σx<sub>ii</sub> − Σ(x<sub>i+</sub> × x<sub>+i</sub>)) ÷ (N² − Σ(x<sub>i+</sub> × x<sub>+i</sub>))
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤១

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់

ដែល x<sub>ii</sub> = អង្កត់ទ្រូង · x<sub>i+</sub> = ផលបូកជួរដេក · x<sub>+i</sub> = ផលបូកជួរឈរ។

តារាងមួយមាន N = ២៣០ · អង្កត់ទ្រូង ២៤ + ៣២ + ១៥ + ៣២ = ១០៣ (OA = ៤៥%) · Σ(x<sub>i+</sub> × x<sub>+i</sub>) = (៣៥×៦០) + (៩៩×៤៧) + (៣៦×៦៩) + (៦០×៥៤) = ១២ ៤៧៧។ ដូច្នេះ K̂ = (២៣០ × ១០៣ − ១២ ៤៧៧) ÷ (២៣០² − ១២ ៤៧៧) = ១១ ២១៣ ÷ ៤០ ៤២៣ = ០,២៨ ពោលគឺភាពត្រឹមត្រូវទាប។

គណនាផ្ទៃពីលទ្ធផលចាត់ថ្នាក់៖ ផ្ទៃថ្នាក់ = ចំនួនក្រឡា × ទំហំក្រឡា។ Landsat៖ ចំនួនក្រឡា × (៣០ × ៣០) ÷ (១០០ × ១០០) = ហិកតា។ ឧទាហរណ៍ ថ្នាក់ «ទឹក» មាន ១៦ ៤៥៨ ក្រឡា → ១៦ ៤៥៨ × ០,០៩ = ១ ៤៨១ ហ.ត។ ចំណាំ៖ ផ្ទៃពីផែនទីរាប់ក្រឡាដែលចាត់ថ្នាក់ខុសផងដែរ ដូច្នេះការសិក្សាដែលល្អ …

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤២

ជ្រើសចំណុចផ្ទៀងផ្ទាត់

យុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់ចៃដន្យសាមញ្ញចៃដន្យតាមស្រទាប់ជាប្រព័ន្ធ
សង្កេត
  • ចៃដន្យសាមញ្ញ៖ ថ្នាក់តូច (ទឹក ដីទទេ) អាចទទួលគំរូតិចពេក។
  • តាមស្រទាប់៖ ចំនួនគំរូស្មើគ្នាក្នុងថ្នាក់នីមួយៗ (ណែនាំ)។
  • ចំណុចផ្ទៀងផ្ទាត់ត្រូវដាច់ពីគំរូបណ្ដុះបណ្ដាល។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៣

សំណួររហ័ស

រាយគោលការណ៍បួននៃការយកគំរូផ្ទៀងផ្ទាត់ដែលមានគុណភាព។

ឆ្លើយក្នុង ១ នាទី មុនបន្តទៅផ្នែកបន្ទាប់។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៤

ដែនកំណត់ និងអ្វីដែលការវាយតម្លៃមិនប្រាប់

  • លេខភាពត្រឹមត្រូវសុពលភាពត្រឹមតែលើតំបន់សិក្សា៖ ការចាត់ថ្នាក់ត្រឹមត្រូវ ៩០% លើខេត្តមួយ មិនមានន័យថានឹងត្រឹមត្រូវ ៩០% លើខេត្តផ្សេងទេ ជាពិសេសបើគម្របដីខុសគ្នា។
  • ការវាយតម្លៃខ្លួនឯងអាចមានកំហុស៖ បើគំរូផ្ទៀងផ្ទាត់មានកំហុស (ការកត់ត្រាខុស ការចុះទីវាលមិនត្រឹមត្រូវ) លទ្ធផលវាយតម្លៃខុសដែរ។
  • ភាពត្រឹមត្រូវខ្ពស់មិនមានន័យថាព្រំដែនត្រឹមត្រូវទេ៖ ចំណុចមួយចំនួនអាចចាត់ថ្នាក់ត្រូវ ខណៈព្រំរវាងថ្នាក់ (ដូចគែមព្រៃ) នៅតែមិនច្បាស់។
  • ការវាយតម្លៃមិនប្រាប់មូលហេតុនៃកំហុសទេ៖ វាប្រាប់ ថាតើមានកំហុសប៉ុន្មាន មិនមែន ហេតុអ្វី កើតកំហុសនោះទេ។ ការវិភាគតារាងច្របូកច្របល់ដោយប្រុងប្រយ័ត្ន (មើលថ្នាក់ណាច្រឡំនឹងថ្នាក់ណា) …
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៥

ដែនកំណត់ និងអ្វីដែលការវាយតម្លៃមិនប្រាប់

ការរាយការណ៍ត្រឹមត្រូវរួមមាន៖ តារាងច្របូកច្របល់ពេញលេញ · OA · Kappa · PA/UA តាមថ្នាក់ · ចំនួនគំរូ · និងវិធីយកគំរូ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៦

កំហុសប៉ះពាល់ដល់ផ្ទៃ

ផ្ទៃពីការរាប់ក្រឡា ធៀបនឹងផ្ទៃយោង (ហិកតា)ទឹក១ ៤៨១.២២១ ៥៩៥.៧៩ដើមឈើ២ ២៨៦.៨១២ ៦៨២.៥៤ដំណាំ/ស្មៅ១ ៩៧៥.៥១ ៥៨៤.៩តំបន់សាងសង់២ ០១៨.៥២១ ៣៦៥.៩៣ដីទទេ៣៣៧.៩៥៨៧០.៨៤យោងចាត់ថ្នាក់
សង្កេត
  • ផ្ទៃ = ចំនួនក្រឡា × ៩០០ ម² ÷ ១០ ០០០។
  • ថ្នាក់ដែលមាន UA ទាប ត្រូវបានប៉ាន់ស្មានលើស។
  • Olofsson (2014) កែតម្រូវផ្ទៃដោយប្រើតារាងច្របូកច្របល់។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៧

ផ្ទៃកែតម្រូវកំហុស និងចន្លោះទំនុកចិត្ត

ផ្ទៃដែលរាប់ពីក្រឡាលើផែនទី គ្មានភាពមិនច្បាស់ ព្រោះវាគ្រាន់តែរាប់។

ប៉ុន្តែយើងដឹងហើយថាផែនទីមានកំហុស។ Olofsson et al. (2014) ណែនាំឱ្យប្រើ គំរូយោងតាមស្រទាប់ (stratified sample) ដែលស្រទាប់ជាថ្នាក់នៅលើផែនទី ដើម្បី ប៉ាន់ស្មាន ផ្ទៃពិតនៃថ្នាក់នីមួយៗ ជាមួយ ចន្លោះទំនុកចិត្ត៖

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៨

ផ្ទៃកែតម្រូវកំហុស និងចន្លោះទំនុកចិត្ត

  • Wᵢ = ផ្ទៃផែនទីនៃថ្នាក់ i ÷ ផ្ទៃសរុប (ទម្ងន់ស្រទាប់)
  • p̂ⱼ = Σᵢ Wᵢ × nᵢⱼ ÷ nᵢ (សមាមាត្រប៉ាន់ស្មាននៃថ្នាក់យោង j ដែល nᵢⱼ = គំរូដែលផែនទីថា i ហើយការពិតជា j)
  • ផ្ទៃកែតម្រូវ = p̂ⱼ × ផ្ទៃសរុប · ចន្លោះទំនុកចិត្ត ៩៥% = ±១,៩៦ × SE × ផ្ទៃសរុប ដែល SE(p̂ⱼ) = √(Σᵢ Wᵢ² (nᵢⱼ/nᵢ)(1 − nᵢⱼ/nᵢ) ÷ (nᵢ − 1))
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៤៩

ផ្ទៃកែតម្រូវកំហុស និងចន្លោះទំនុកចិត្ត

ឧទាហរណ៍ពីរបាយការណ៍ទឹកជំនន់គំរូ (ខេត្តបាត់ដំបង)៖ ផែនទីរាប់បានផ្ទៃលិច ២៤ ៦៨០ ហ.ត និងមិនលិច ៥០០ ០០០ ហ.ត។

គំរូយោង ១០០ (៥១ ក្នុងស្រទាប់ «មិនលិច» និង ៤៩ ក្នុង «លិច»)៖ ក្នុង «មិនលិច» មាន ៥ ចំណុចដែលតាមពិតលិច ហើយក្នុង «លិច» មាន ៤ ចំណុចដែលតាមពិតមិនលិច។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥០

ផ្ទៃកែតម្រូវកំហុស និងចន្លោះទំនុកចិត្ត

  • p̂(លិច) = ០,៩៥៣ × ៥/៥១ + ០,០៤៧ × ៤៥/៤៩ = ០,០៩៣ + ០,០៤៣ = ០,១៣៧
  • ផ្ទៃលិចកែតម្រូវ = ០,១៣៧ × ៥២៤ ៦៨០ ≈ ៧១ ៧០០ ហ.ត ± ៤១ ៣០០ ហ.ត
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥១

ផ្ទៃកែតម្រូវកំហុស និងចន្លោះទំនុកចិត្ត

ផ្ទៃរាប់ក្រឡា (២៤ ៦៨០ ហ.ត) ធ្លាក់ ក្រៅ ចន្លោះទំនុកចិត្ត៖ ផែនទីប៉ាន់ផ្ទៃលិចតិចជាងពិត។

មូលហេតុគឺកំហុស ការខកខាន (omission) តូចមួយ (៥ ក្នុង ៥១) ក្នុងស្រទាប់ធំខ្លាំង ដែលក្លាយជាផ្ទៃធំពេលគុណនឹង ៥០០ ០០០ ហ.ត។ ចន្លោះទំនុកចិត្តធំ (± ៥៨%) ប្រាប់ថាត្រូវការគំរូបន្ថែម ជាពិសេសក្នុងស្រទាប់ «មិនលិច»។

Producer's accuracy ក៏ត្រូវកែតម្រូវដែរ៖ ពីចំនួនគំរូផ្ទាល់ Producer's នៃ «លិច» = ៤៥ ÷ ៥០ = ៩០%។ ប៉ុន្តែគំរូត្រូវបានយកស្មើគ្នាក្នុងស្រទាប់ទាំងពីរ ខណៈស្រទាប់ «មិនលិច» ធំជាង ២០ ដង។ ពេលប្រើទម្ងន់ផ្ទៃ Wᵢ Producer's ប៉ាន់ស្មាន = (០,០៤៧ × ៤៥/៤៩) ÷ ០,១៣៧ ≈ ៣២%៖ …

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥២

ពិសោធន៍៖ ពិសោធន៍អន្តរកម្ម

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៣

សាកល្បង

គន្លឹះ

1. ចុច គំរូ «មិនលិច» ×៤៖ ចន្លោះទំនុកចិត្តតូចប៉ុណ្ណា? ការបន្ថែមគំរូក្នុងស្រទាប់ណាមានប្រយោជន៍ជាង? 2. ចុច បែងតាមសមាមាត្រផ្ទៃ (៩៦ និង ៤)៖ ហេតុអ្វីគំរូតែ ៤ ក្នុងស្រទាប់ «លិច» ធ្វើឱ្យ User's accuracy មិនអាចទុកចិត្តបាន? 3. ប្ដូរលេខ ៥ (មិនលិចលើផែនទី ប៉ុន្តែលិចពិត) ទៅ ០៖ ផ្ទៃកែតម្រូវ ខិតជិតផ្ទៃរាប់ក្រឡាទេ?

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៤

លេខក្នុងរបាយការណ៍គំរូ

ប្រុងប្រយ័ត្ន

ផ្ទៃ «មិនលិច» ៥០០ ០០០ ហ.ត ក្នុងរបាយការណ៍គំរូ ខុសពីផ្ទៃខេត្តពិត (ប្រហែល ១ ១៧០ ០០០ ហ.ត)។ យើងប្រើវាដើម្បីបង្ហាញរបៀបគណនាប៉ុណ្ណោះ។ ក្នុងការងារពិត ផ្ទៃសរុបត្រូវស្មើផ្ទៃតំបន់សិក្សា។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៥
មេរៀនទី១៣

ឧទាហរណ៍ដែលបានដោះស្រាយ

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៦

ឧទាហរណ៍៖ ស្ថានភាព

ត្រឡប់ទៅស្ថានភាពបើកមេរៀន៖ ប្រៀបធៀបលទ្ធផល K-means និងចម្ងាយអប្បបរមា ដោយប្រើគំរូផ្ទៀងផ្ទាត់ឯករាជ្យ ១៥០ ចំណុច (៣០ ក្នុងមួយថ្នាក់)។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៧

ជំហានទី១៖ បង្កើតតារាងច្របូកច្របល់ទាំងពីរ

១

សម្រាប់ការចាត់ថ្នាក់នីមួយៗ ប្រៀបធៀបលទ្ធផលនឹងគម្របដីពិតនៅ ១៥០ ចំណុច។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៨

ជំហានទី២៖ ប្រៀបធៀប OA

២

K-means (ក្រោយដាក់ស្លាក)៖ OA = ៨៦%។

ចម្ងាយអប្បបរមា (ជាមួយគំរូបណ្ដុះបណ្ដាល)៖ OA = ៩៣%។ ដំបូងមើលទៅ ចម្ងាយអប្បបរមាប្រសើរជាង។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៥៩

ជំហានទី៣៖ ប្រៀបធៀប Kappa

៣

ព្រៃឈើគ្របដណ្ដប់ ៤៥% នៃទិន្នន័យ (ថ្នាក់ភាគច្រើន ប៉ុន្តែមិនលើសលប់)។

Kappa របស់ K-means = ០,៨០ ចម្ងាយអប្បបរមា = ០,៩០។ លំដាប់ដដែល ប៉ុន្តែគម្លាតតូចជាង OA ចង្អុលថាការឯកភាពដោយចៃដន្យមិនមែនជាកត្តាចម្បងទេ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦០

ជំហានទី៤៖ វិភាគតារាងច្របូកច្របល់លម្អិត

៤

ទាំងពីរវិធីមានបញ្ហាដូចគ្នា៖ ការច្រឡំរវាងព្រៃឈើ និងស្រែ (ដូចការសង្កេតក្នុងមេរៀនទី៣)។

ចម្ងាយអប្បបរមាកែបញ្ហានេះកាន់តែប្រសើរ ដោយសារវាប្រើក្រុមរលក SWIR ដែលបែងចែកបានល្អជាង ខណៈ K-means ផ្អែកលើចម្ងាយសរុបគ្រប់ក្រុមរលកស្មើគ្នា។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦១

ជំហានទី៥៖ អនុសាសន៍

៥

ចម្ងាយអប្បបរមាជាជម្រើសល្អជាងសម្រាប់ការសិក្សានេះ ព្រោះទាំង OA ទាំង Kappa ខ្ពស់ជាង ហើយភាពខុសគ្នាមិនមែនគ្រាន់តែជាផលនៃថ្នាក់ភាគច្រើនទេ។

ប៉ុន្តែក្រុមការងារគួររាយការណ៍ការច្រឡំព្រៃ/ស្រែជាដែនកំណត់រួមរបស់ទាំងពីរវិធី។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦២

អ្វីដែលយើងមិនអាចសន្និដ្ឋាន

ប្រុងប្រយ័ត្ន

ការវាយតម្លៃនេះសុពលភាពត្រឹមតែលើតំបន់សិក្សា និងពេលវេលាដែលប្រើ។ វាមិនអាចធានាថាចម្ងាយអប្បបរមានឹងប្រសើរជាង K-means សម្រាប់តំបន់ ឬឆ្នាំផ្សេង។ ការធ្វើផែនទីលើតំបន់ថ្មី គួរធ្វើការវាយតម្លៃម្ដងទៀត។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៣

លំហាត់ទី១៣ ក្នុង QGIS

លំដាប់ការងារ លំហាត់ទី១៣បង្កើតតារាងច្របូកច្របល់ និងប្រៀបធៀបវិធីចាត់ថ្នាក់ទាំងពីរបន្ថែមស្លាកគម្របដីពិតទៅគ…១៥ នាទីបង្កើតតារាងច្របូកច្របល់៣០ នាទីគណនា និងប្រៀបធៀប២៥ នាទីវិភាគការច្រឡំ២០ នាទីរបាយការណ៍សរុបជំពូក២០ នាទីសរុបប្រហែល ១១០ នាទី

លំហាត់ប្រើទិន្នន័យវគ្គ RS_Data (Landsat 8 ភ្នំពេញ · Sentinel-2 ក្រុងព្រះសីហនុ) ហើយមានរូបលទ្ធផលគំរូ តារាងកំហុសទូទៅ និងប្រអប់ពិនិត្យលទ្ធផលដោយខ្លួនឯង។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៤
មេរៀនទី១៣

ការយល់ច្រឡំដែលត្រូវប្រុងប្រយ័ត្ន

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៥

ការយល់ច្រឡំទី១

✗ «ភាពត្រឹមត្រូវសរុបខ្ពស់ គឺគ្រប់គ្រាន់ដើម្បីជឿទុកចិត្តលើផែនទី»
↓
✓ Kappa និង PA/UA តាមថ្នាក់ ប្រាប់ព័ត៌មានបន្ថែមសំខាន់ដែល OA លាក់។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៦

ការយល់ច្រឡំទី២

✗ «Producer's និង User's Accuracy ដូចគ្នា»
↓
✓ ពួកវាគណនាពីទិសដៅផ្ទុយគ្នា (ជួរដេក ធៀបនឹងជួរឈរ) ហើយអាចខុសគ្នាខ្លាំងសម្រាប់ថ្នាក់តែមួយ។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៧

ការយល់ច្រឡំទី៣

✗ «Kappa ១ តែងប្រសើរជាង Kappa ០,៨»
↓
✓ តម្លៃខ្ពស់ជាងតែងល្អជាង ប៉ុន្តែភាពខុសគ្នាតូចអាចមិនមានន័យស្ថិតិ បើគំរូតិច។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៨

ការយល់ច្រឡំទី៤

✗ «គំរូបណ្ដុះបណ្ដាល និងគំរូផ្ទៀងផ្ទាត់អាចជាសំណុំដូចគ្នា ដរាបណាមានច្រើនគ្រប់គ្រាន់»
↓
✓ ការប្រើគំរូដដែលផ្ដល់ការវាយតម្លៃក្លែងក្លាយ ទោះមានចំនួនប៉ុន្មានក៏ដោយ។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៦៩

ការយល់ច្រឡំទី៥

✗ «ភាពត្រឹមត្រូវខ្ពស់លើគំរូមានន័យថាព្រំដែនផែនទីត្រឹមត្រូវ»
↓
✓ ចំណុចគំរូវាស់តែចំណុចនោះ។ ព្រំដែនរវាងចំណុច (ដូចគែមព្រៃ) នៅតែអាចមិនច្បាស់។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧០

ការយល់ច្រឡំទី៦

✗ «ផ្ទៃពីផែនទី ជាផ្ទៃពិត ព្រោះ OA ខ្ពស់»
↓
✓ OA ៩១% នៅតែអាចបង្កើតកំហុសផ្ទៃធំ បើថ្នាក់មួយតូច ហើយកំហុសការខកខានស្ថិតនៅក្នុងថ្នាក់ធំ។ រាយការណ៍ផ្ទៃកែតម្រូវជាមួយចន្លោះទំនុកចិត្ត។ ---
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧១

សេចក្ដីសង្ខេប

តារាងច្របូកច្របល់ប្រៀបធៀបគម្របដីព្យាករជាមួយគម្របដីពិត ដែលផ្ដល់មូលដ្ឋានសម្រាប់គណនា Overall Accuracy (ជារួម) Producer's Accuracy (ការខកខាន តាមថ្នាក់) និង User's Accuracy (ការបន្ថែមខុស តាមថ្នាក់)។

Kappa Coefficient កែតម្រូវសម្រាប់ការឯកភាពដោយចៃដន្យ ដែលសំខាន់ពេលថ្នាក់មួយគ្របដណ្ដប់ភាគច្រើននៃទិន្នន័យ។ គុណភាពនៃការវាយតម្លៃ អាស្រ័យលើគំរូផ្ទៀងផ្ទាត់ដែលឯករាជ្យ ចែកចាយសមស្រប និងមានគុណភាព។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧២

គំនិតស្នូលនៃមេរៀន

ភាពត្រឹមត្រូវមិនមែនជាលេខតែមួយទេ។ តារាងច្របូកច្របល់ពេញលេញប្រាប់រឿងច្រើនជាង OA តែម្នាក់ឯង ជាពិសេសថាតើកំហុសនៅឯណា។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៣

ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស

ពាក្យខ្មែរពាក្យអង់គ្លេសអត្ថន័យខ្លី
តារាងច្របូកច្របល់Confusion matrixប្រៀបធៀបព្យាករ និងពិត
ភាពត្រឹមត្រូវសរុបOverall Accuracy (OA)ភាគរយត្រឹមត្រូវជារួម
Producer's AccuracyProducer's Accuracyភាគរយត្រូវតាមជួរដេក (ការខកខាន)
User's AccuracyUser's Accuracyភាគរយត្រូវតាមជួរឈរ (ការបន្ថែមខុស)
Kappa CoefficientKappa coefficientកែតម្រូវសម្រាប់ការឯកភាពដោយចៃដន្យ
ការខកខានOmission errorចំណុចពិតមិនបានចាត់ថ្នាក់ត្រូវ
ការបន្ថែមខុសCommission errorចំណុចចាត់ខុសចូលថ្នាក់
ការយកគំរូបែងចាត់ថ្នាក់Stratified random samplingចៃដន្យក្នុងថ្នាក់នីមួយៗ
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៤

ពាក្យគន្លឹះខ្មែរ–អង់គ្លេស (ត)

ពាក្យខ្មែរពាក្យអង់គ្លេសអត្ថន័យខ្លី
ផ្ទៃកែតម្រូវកំហុសError-adjusted areaផ្ទៃប៉ាន់ពីគំរូយោង មិនមែនរាប់ក្រឡា
ចន្លោះទំនុកចិត្តConfidence intervalចន្លោះដែលផ្ទៃពិតទំនងស្ថិតនៅ (៩៥%)
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៥

សំណួររំលឹក

  • រាយដែនកំណត់បីនៃការវាយតម្លៃភាពត្រឹមត្រូវ។
  • ថ្នាក់ «ទឹក» មាន PA=៩៥% និង UA=៦០%។ ពន្យល់ន័យ ហើយស្នើកន្លែងដែលបញ្ហាទំនងជាកើត។
  • ការសិក្សាមួយរាយការណ៍ OA=៩២% ដោយមិនរាយ Kappa។ តើអ្នកនឹងសួរអ្វីមុននឹងជឿទុកចិត្តលទ្ធផល?
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៦

សំណួររំលឹក

  • អ្នកមានតំបន់សិក្សាដែលមាន ៩០% ជាស្រែ និង ១០% ជាថ្នាក់ផ្សេង។ ស្នើយុទ្ធសាស្ត្រយកគំរូផ្ទៀងផ្ទាត់ដែលសមស្រប។
  • គណនា OA ដោយដៃ បើតារាងច្របូកច្របល់ ២ × ២ មាន [៨០,៥] / [១០,៦៥] (ជួរដេក/ជួរឈរ)។
  • ហេតុអ្វីភាពត្រឹមត្រូវខ្ពស់នៅចំណុចគំរូ មិនធានាថាព្រំដែនផែនទីទាំងមូលត្រឹមត្រូវ? ផ្ដល់ឧទាហរណ៍មួយ។
សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៧

កិច្ចការខ្លី

ក្នុងពិសោធន៍តារាងច្របូកច្របល់ ចូរបង្កើតតារាងជាមួយគំរូ ៤០ ក្នុងមួយថ្នាក់។ គណនាដោយដៃ (លើក្រដាស)៖ OA · PA និង UA សម្រាប់ថ្នាក់ «ស្រែ» ដោយប្រើលេខពីតារាង។ ប្រៀបធៀបចម្លើយរបស់អ្នក ជាមួយលេខដែលពិសោធន៍បង្ហាញ។

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៨

មេរៀនបន្ទាប់

យើងឥឡូវអាចធ្វើផែនទីគម្របដី និងវាយតម្លៃវាបានហើយ។ សំណួរបន្ទាប់៖ បើយើងមានផែនទីបែបនេះសម្រាប់ច្រើនឆ្នាំ តើយើងអាចប្រាប់បានទេថា អ្វីបានផ្លាស់ប្ដូរ?

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៧៩

អរគុណ

អានមេរៀនពេញ និងធ្វើលំហាត់ទី១៣

https://khgeo.github.io/remote-sensing/lessons/lesson-13/

សៀវភៅទី៣ · មូលដ្ឋានគ្រឹះនៃការយកព័ត៌មានពីចម្ងាយ · មេរៀនទី១៣៨០