Forest Cover Type Prediction 森林覆盖类型预测：使用制图变量对森林类别进行分类

您可以使用本数据集从严格的制图变量（与遥感数据相反）中预测森林覆盖类型（主要的树种）。给定的30 x 30米单元的实际森林覆盖类型是根据美国森林服务（USFS）区域2资源信息系统数据确定的。然后，从美国地质调查局和USFS获得的数据中得出自变量。数据为原始格式（未缩放），包含用于定性自变量（例如荒野和土壤类型）的二进制数据列。

This dataset can be used to predict forest cover type (the dominant tree species) from strictly cartographic variables, as opposed to remote sensing data. The actual forest cover type for the given 30 × 30 meter cells was determined using data from the United States Forest Service (USFS) Region 2 Resource Information System. Independent variables were derived from data obtained from the United States Geological Survey and USFS. The data is in raw (unscaled) format and contains binary columns for qualitative independent variables such as wilderness area and soil type.

搜集汇总

背景与挑战

背景概述

该数据集用于从制图变量预测森林覆盖类型，基于美国科罗拉多州罗斯福国家森林的四个荒野地区数据，包含海拔、坡度等原始变量和二进制列。数据集分为训练集（15,120个观测值）和测试集（565,892个观测值），覆盖7种森林类型，适用于多分类机器学习任务。其特点在于使用受人为干扰最小的生态数据，强调自然过程对森林类型的影响。