python 高光谱图像分类负责代码

以下是一个使用支持向量机（SVM）进行高光谱图像分类的 Python 代码示例：

import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.svm import SVC

# 读取数据
data = pd.read_csv('data.csv')
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 数据预处理
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 建立SVM模型
model = SVC(kernel='rbf', C=10, gamma=0.1)
model.fit(X_train, y_train)

# 评估模型
score = model.score(X_test, y_test)
print('Test accuracy:', score)

其中，`data.csv` 是高光谱图像数据，每行表示一个图像，前256列为图像像素值，最后一列为分类标签。代码中使用 `train_test_split` 函数将数据分为训练集和测试集，使用 `SVC` 类建立支持向量机模型，并使用 `fit` 函数训练模型，使用 `score` 函数评估模型性能。可以调整 `kernel`、`C` 和 `gamma` 等参数来提高分类效果。