Cập nhật mã nguồn và file Colab Cache

land_classification_results.md

@@ -0,0 +1,19 @@
+# Tổng Hợp Kết Quả Huấn Luyện 8 Mô Hình Phân Loại Lớp Phủ (Land Classification)
+
+Dưới đây là bảng tổng hợp kết quả độ chính xác (Accuracy) của 8 thuật toán trên tập dữ liệu đã cache. Quá trình huấn luyện đã kết hợp sử dụng GPU cho một số mô hình Deep Learning/Boosting và CPU cho các thuật toán truyền thống.
+
+| Mô hình | Môi trường | Độ chính xác (Accuracy) | Ghi chú |
+| :--- | :---: | :---: | :--- |
+| **XGBoost** | GPU | **23.01%** | Mô hình đạt kết quả cao nhất, tối ưu tốt nhờ `use_gpu=True` |
+| **Decision Tree** | CPU | 22.12% | Mô hình dạng cây đơn giản nhưng cho kết quả tốt |
+| **Random Forest** | CPU | 21.68% | Ổn định, không hỗ trợ GPU trong code mặc định |
+| **SVM** | CPU | 19.91% | Yêu cầu chuẩn hóa dữ liệu tốt |
+| **CNN** | GPU | 19.47% | Khởi chạy thành công trên PyTorch |
+| **LightGBM** | CPU | 15.49% | Chuyển sang CPU do lỗi tương thích OpenCL trên máy ảo WSL |
+| **Swin-UNet** | GPU | 15.49% | Mô hình cấu trúc Transformer, cần nhiều dữ liệu hơn để tỏa sáng |
+| **MobileNet-LRASPP**| GPU | 6.19% | Kiến trúc tối ưu cho di động, chưa phù hợp với tập dữ liệu nhỏ này |
+
+## Kết luận
+- Toàn bộ 8 mô hình hiện đã được trích xuất dưới định dạng `.joblib` và được lưu tại thư mục `land_classification_model/`.
+- Hệ thống Web (Prediction API) có thể trực tiếp gọi đến các mô hình này mà không cần thiết lập thêm.
+- **Khuyến nghị**: Nên thiết lập XGBoost (estimators:200, depth:6) làm mô hình mặc định trên giao diện vì có độ chính xác thực tế cao nhất hiện tại.