遥感影像数据光谱特征,植被指数特征,纹理特征,树高特征,提取好后,利用随机森林分类代码
时间: 2023-07-28 12:09:43 浏览: 194
基于规则提取特征并和 SVM 和随机森林在 SemEval-2015-Task-31i数据集上进行分类.完整代码+报告
以下是使用Python中的scikit-learn库实现随机森林分类的代码,假设已经提取好了遥感影像数据的光谱特征、植被指数特征、纹理特征和树高特征,分别存储在X中,对应的分类标签存储在y中。
```python
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
# 将数据集拆分为训练集和测试集,其中测试集占20%
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 定义随机森林分类器
rf_clf = RandomForestClassifier(n_estimators=100, random_state=42)
# 训练分类器
rf_clf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = rf_clf.predict(X_test)
# 计算准确率
accuracy = rf_clf.score(X_test, y_test)
print("随机森林分类器的准确率为:", accuracy)
```
其中,`n_estimators`参数指定了随机森林中决策树的数量,`random_state`参数指定了随机数种子,可以保证每次运行结果相同。最后输出的准确率即为分类器在测试集上的准确率。
阅读全文