00:20 - confronto accuratezza di due classificazioni dal video precedente, MAximum Likelyhood e Spectral Angle Mapper (SAM). 
01:10 - useremo DUE riferimenti, uno il raster già disponibile con le classi (SCL) ed il secondo riferimento saranno delle ROI diverse da quelle usate per la classificazione
03:00 - matrice degli errori/ matrice di confusione - esempio dagli appunti di teoria
08:00 - errori di omissione e di commissione
09:50 - utilizzo QGIS per calcolare matrice degli errori e metriche di errori
10:30 - selezionare il raster classificato da valutare ed il raster di riferimento (SCL)
12:00 - spiegazione dei valori del raster che risulta in output dalla procedura, con la mappatura degli errori di omissione/commissione codificati 
17:30 - metriche di errori dal plugin
19:00 - copiare su excel i valori da output del modulo di accuratezza del plugin
20:40 - confronto risultati dei due classificatori
22:00 - NB ci sono problemi con l'utilizzo di valori con excel in italiano dovuti all'utilizzo del punto/virgola come separatore decimale
25:00 - alla fine vengono confrontati utilizzando un editor di testo - confronto tra accuratezze di produzione e dell'utenza
26:15 - cosa utilizziamo se NON c'è la disponibilità di un raster già classificato ? (come solitamente succede)  - possiamo utilizzare il livello delle ROI! MA non è corretto utilizzare le stesse ROI usate per la classificazione, in quanto sovrastima drasticamente l'accuratezza.
28:45 - creazione NUOVO set di ROI per la valutazione dell'accuratezza
32:00 - NB le ROI dovranno esserci per tutte le classi presenti nel raster che si vuole valutare l'accuratezza
33:10 - Recap dei video sulla classificazione