GEE：梯度提升树（Gradient Boosting Tree）回归教程（样本点、特征添加、训练、精度、参数优化）

作者：CSDN @ _养乐多_

对于分类问题，这个输出通常是一个类别标签 ，而对于回归问题，输出通常是一个连续的数值。回归可以应用于多种场景，包括预测土壤PH值、土壤有机碳、土壤水分、碳密度、生物量、气温、海冰厚度、不透水面积百分比、植被覆盖度等。

本文将介绍在Google Earth Engine （GEE）平台上进行梯度提升树（Gradient Boosting Tree）回归的方法和代码，其中包括样本点格式介绍，加入特征变量(各种指数、纹理特征、时间序列特征、物候特征等)，训练和应用回归模型，优化回归算法的参数（绘制最优参数分布图）等步骤的方法和代码。

一、梯度提升树函数详细解释

下面是对 ee.Classifier.smileGradientTreeBoost 构造函数的参数的详细解释，使用表格格式表示&#