遥感影像数据光谱特征，植被指数特征，纹理特征，树高特征随机森林分类代码

以下是一个使用随机森林对遥感影像数据进行分类的Python代码示例，其中包括光谱特征、植被指数特征、纹理特征和树高特征。

import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 读取数据
data = pd.read_csv("data.csv")

# 将数据拆分为特征和标签
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 划分训练集和测试集
from sklearn.model_selection import train_test_split
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 使用随机森林模型进行分类
classifier = RandomForestClassifier(n_estimators=100, random_state=0)
classifier.fit(X_train, y_train)

# 预测测试集结果
y_pred = classifier.predict(X_test)

# 输出准确率
print("Accuracy:", accuracy_score(y_test, y_pred))

在这个示例中，我们使用了一个包含光谱特征、植被指数特征、纹理特征和树高特征的数据集。我们首先将数据拆分为特征和标签，然后将其划分为训练集和测试集。我们使用sklearn中的随机森林模型进行分类，并使用训练数据进行拟合。最后，我们用测试集数据进行预测，并输出准确率。