3

我正在运行 RandomForest。我已经导入了表示已使用和未使用站点的点数据，并从栅格 GIS 图层创建了栅格堆栈。我创建了一个 SpatialPointDataFrame，其中包含所有已使用和未使用的点，并附加了它们的基础栅格值。

require(sp)
require(rgdal)
require(raster)

#my raster stack
xvariables <- stack(rlist)  #rlist = a list of raster layers   

# Reading in the spatial used and unused points.
ldata <- readOGR(dsn=paste(path, "DATA", sep="/"), layer=used_avail)
str(Ldata@data)


#Attach raster values to point data.
v <- as.data.frame(extract(xvariables, ldata))
ldata@data = data.frame(ldata@data, v[match(rownames(ldata@data), rownames(v)),])

接下来我计划使用这些数据运行一个随机森林。问题是，我有一个非常大的数据集（超过 40,000 个数据点）。我需要对我的数据进行子采样，但我很难弄清楚如何做到这一点。我试过使用 sample() 函数，但我认为因为我有一个 SpatialPointsDataFram 它不会工作？我是 R 新手，非常感谢任何想法。

谢谢！

4

1 回答 1

5

对 Spatial*DataFrame 对象进行子集化相当简单；只需使用

spSubset <- spObject[<sample_criterion>,]

这是一个示例，我们加载 NJ 的所有大学，然后抓取 size=20 的随机样本。还有一个示例，我们加载所有美国州并仅获取“新泽西州”。

library(rgdal)
set.seed(1)
# random sample of NJ colleges...
sampleSize=20
spPoints <- readOGR(dsn=".",layer="NJ_College_Univ_NAD83njsp")
spSample <- spPoints[sample(1:length(spPoints),sampleSize),]

# extract NJ from US States TIGER/Line file
states   <- readOGR(dsn=".",layer="tl_2013_us_state")
NJ       <- states[states$NAME=="New Jersey",]
NJ       <- spTransform(NJ,CRS=CRS(proj4string(spSample)))

# render the map
NJ.df    <- fortify(NJ)
library(ggplot2)
ggplot() +
  geom_path(data=NJ.df, aes(x=long,y=lat, group=group))+
  geom_point(data=as.data.frame(coordinates(spPoints)), 
             aes(x=coords.x1,y=coords.x2),colour="blue", size=3)+
  geom_point(data=as.data.frame(coordinates(spSample)), 
             aes(x=coords.x1,y=coords.x2),colour="red", size=3)+
  coord_fixed() + labs(x="", y="") + theme(axis.text=element_blank())

美国各州的 TIGER/Line 文件可在此处找到。新泽西大学 shapefile 在这里。

于 2014-01-31T20:52:18.777 回答