pythonsvm图像分类_python实现支持向量机遥感图像分类
支持向量机
支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier)，其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。
我们这篇文字主要是讲述python实现，具体原理请看阿泽写的【机器学习】支持向量机 SVM(非常详细)。
python实现支持向量机遥感图像分类
我昨天写了python实现随机森林遥感图像分类，其实支持向量机SVM和随机森林RF在进行实际操作时流程基本一样，只不过用到的方法不同而已。
如果想将python实现随机森林遥感图像分类中的随机森林RF换成支持向量机SVM，只需要将【二、模型训练】中的
# 3.用100个树来创建随机森林模型，训练随机森林
classifier = RandomForestClassifier(n_estimators=100,
bootstrap = True,
max_features = sqrt)
classifier.fit(train_data, train_label.ravel())#ravel函数拉伸到一维
换成
#3.训练svm分类器
#kernel=rbf时，为高斯核，gamma值越小，分类界面越连续；gamma值越大，分类界面越“散”，分类效果越好，但有可能会过拟合。
classifier=svm.SVC(C=1,kernel=rbf,gamma=2,decision_function_shape=ovo)
classifier.fit(train_data,train_label.ravel()) #ravel函数拉伸到一维
即可。
后记
大家有什么问题留言即可，共同讨论，共同进步。
参考阿泽：【机器学习】支持向量机 SVM(非常详细)zhuanlan.zhihu.com馨意：python实现随机森林遥感图像分类zhuanlan.zhihu.com
支持向量机 支持向量机(Support Vector Machine, SVM)是一类按监督学习(supervised learning)方式对数据进行二元分类的广义线性分类器(generalized linear classifier)，其决策边界是对学习样本求解的最大边距超平面(maximum-margin hyperplane)。 我们这篇文字主要是讲述python实现，具体原理请看阿泽写的【机器学习】支持向量机 SVM(非常详细)。 python实现支持向量机遥感图像分类 我昨天写了python实现随机森林遥感图像分类，其实支持向量机SVM和随机森林RF在进行实际操作时流程基本一样，只不过用到的方法不同而已。 如果想将python实现随机森林遥感图像分类中的随机森林RF换成支持向量机SVM，只需要将【二、模型训练】中的 # 3.用100个树来创建随机森林模型，训练随机森林 classifier = RandomForestClassifier(n_estimators=100, bootstrap = True, max_features = sqrt) classifier.fit(train_data, train_label.ravel())#ravel函数拉伸到一维 换成 #3.训练svm分类器 #kernel=rbf时，为高斯核，gamma值越小，分类界面越连续；gamma值越大，分类界面越“散”，分类效果越好，但有可能会过拟合。 classifier=svm.SVC(C=1,kernel=rbf,gamma=2,decision_function_shape=ovo) classifier.fit(train_data,train_label.ravel()) #ravel函数拉伸到一维 即可。 后记 大家有什么问题留言即可，共同讨论，共同进步。 参考阿泽：【机器学习】支持向量机 SVM(非常详细)zhuanlan.zhihu.com馨意：python实现随机森林遥感图像分类zhuanlan.zhihu.com