python 遥感图像随机森林分类 代码

以下是一个简单的 Python 遥感图像随机森林分类代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import numpy as np

# 加载数据
data = np.loadtxt('data.txt', delimiter=',')
X = data[:, :-1]
y = data[:, -1]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 训练模型
clf = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=42)
clf.fit(X_train, y_train)

# 预测并计算准确率
y_pred = clf.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print('Accuracy:', accuracy)

其中，`data.txt` 是一个包含特征和标签的数据文件，每行为一个样本，特征之间用逗号分隔，最后一列为标签。`n_estimators` 表示随机森林中树的数量，`max_depth` 表示每棵树的最大深度。