随机森林做遥感影像分类的代码

以下是一个简单的随机森林遥感影像分类代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score, confusion_matrix
from sklearn import datasets

# 加载数据集
data = datasets.load_iris()

# 划分数据集
x_train, x_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.3)

# 定义模型
rfc = RandomForestClassifier(n_estimators=100)

# 训练模型
rfc.fit(x_train, y_train)

# 预测测试集
y_pred = rfc.predict(x_test)

# 评估模型
accuracy = accuracy_score(y_test, y_pred)
conf_mat = confusion_matrix(y_test, y_pred)

print(f"准确率: {accuracy}")
print(f"混淆矩阵: {conf_mat}")

请注意，这个示例代码加载了经典的鸢尾花数据集进行示例。在实际的遥感影像分类任务中，你需要加载你自己的数据集，并进行适当的预处理。