农作物分类评价模型代码
时间: 2023-07-05 10:05:00 浏览: 62
以下是一个简单的农作物分类评价模型的代码示例:
```python
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score, confusion_matrix
# 读取数据
data = pd.read_csv('crop_data.csv')
# 分离特征和目标变量
X = data.drop('Crop Type', axis=1)
y = data['Crop Type']
# 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)
# 创建随机森林模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)
# 训练模型
rf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = rf.predict(X_test)
# 计算模型准确率和混淆矩阵
accuracy = accuracy_score(y_test, y_pred)
conf_matrix = confusion_matrix(y_test, y_pred)
print('Accuracy:', accuracy)
print('Confusion matrix:', conf_matrix)
```
在这个示例中,我们使用了随机森林算法作为分类器,并使用了 sklearn 库中的 train_test_split、RandomForestClassifier、accuracy_score 和 confusion_matrix 函数来构建和评估模型。你需要将代码中的 "crop_data.csv" 替换为你自己的数据源文件名,并根据数据的特征和目标变量进行适当修改。