利用随机森林模型识别滑坡的代码
时间: 2023-11-01 16:07:00 浏览: 52
由于随机森林模型的训练过程需要大量的数据和特征工程,因此以下代码只提供了简单的示例代码,仅供参考。
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 读取数据集,假设数据集中包含了用于预测滑坡的各种特征值和滑坡与否的标签
data = pd.read_csv("landslide_dataset.csv")
# 将标签列作为目标变量
target = data["label"]
# 将特征列作为特征变量
features = data.drop("label", axis=1)
# 将数据集分为训练集和测试集
train_features, test_features, train_target, test_target = train_test_split(features, target, test_size=0.2, random_state=42)
# 初始化随机森林模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)
# 训练随机森林模型
rf.fit(train_features, train_target)
# 在测试集上进行预测
predictions = rf.predict(test_features)
# 计算预测结果的准确率
accuracy = accuracy_score(predictions, test_target)
print("Accuracy:", accuracy)
# 可以使用模型进行新数据的预测
new_data = pd.read_csv("new_data.csv")
new_predictions = rf.predict(new_data)
print("New predictions:", new_predictions)