帮我写一个近红外光谱数据分类的python代码，五种样本，数据在Excel里，要求输出混淆举证

在Python中，我们可以使用pandas库读取Excel文件，sklearn库进行数据预处理、特征提取，然后利用如SVM、随机森林或神经网络等模型进行近红外光谱数据分类。以下是一个简单的示例，这里我将以支持向量机(SVM)为例：

# 导入所需的库
import pandas as pd
import numpy as np
from sklearn import svm
from sklearn.model_selection import train_test_split
from sklearn.metrics import confusion_matrix

# 1. 读取Excel文件
data = pd.read_excel('your_file.xlsx')  # 替换 'your_file.xlsx' 为你实际的数据文件路径
X = data.iloc[:, :-1]  # 假设最后一列是标签，其余列为特征
y = data.iloc[:, -1]

# 2. 数据预处理
# ... 这里可以根据实际情况对数据进行标准化或归一化

# 3. 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)

# 4. 创建并训练SVM分类器
clf = svm.SVC()
clf.fit(X_train, y_train)

# 5. 预测测试集
y_pred = clf.predict(X_test)

# 6. 计算混淆矩阵
conf_mat = confusion_matrix(y_test, y_pred)
print("Confusion Matrix:\n", conf_mat)

# 输出混淆矩阵
for i in range(conf_mat.shape[0]):
    for j in range(conf_mat.shape[1]):
        print(f"True Class {i}, Predicted Class {j}: {conf_mat[i][j]}")

记得将`your_file.xlsx`替换为实际的Excel文件名，并根据需要调整预处理步骤。此外，如果样本数很大，可能需要进行更复杂的特征选择或降维。