高光谱随机森林回归代码python代码
时间: 2023-10-13 09:18:50 浏览: 44
以下是一份高光谱随机森林回归的 Python 代码示例:
```python
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import r2_score, mean_squared_error
# 读取数据
data = pd.read_csv('spectra.csv', header=None)
# 提取 X 和 y
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values
# 将数据分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 建立随机森林回归模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
# 模型训练
rf.fit(X_train, y_train)
# 预测测试集结果
y_pred = rf.predict(X_test)
# 计算模型评估指标
r2 = r2_score(y_test, y_pred)
mse = mean_squared_error(y_test, y_pred)
# 打印结果
print('R2 Score:', r2)
print('MSE:', mse)
```
其中,数据集 `spectra.csv` 包含了高光谱数据,每一行是一个样本,每一列是一个波段的光谱值,最后一列是该样本的目标变量。我们首先读取数据,并将其分为训练集和测试集。然后,我们建立了一个包含 100 个决策树的随机森林回归模型,并用训练集进行训练。接着,我们用测试集进行预测,并计算了模型的 R2 分数和均方误差。最后,我们打印了这些指标。