如何可视化卫星图像的随机森林分类？

问题描述

我有一个标记数据集，由 5 个不同的哨兵 2 卫星图像组成。我已将这些图像转换为 Numpy 数组，然后使用 pd.read_csv 将其读回 python。

这是我的模型的代码：

Y = df['dependent_variable'].values
X = sm_data.drop(labels=['dependent_variable'],axis=1)

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(X,Y,test_size=0.3,random_state=20)

from sklearn.ensemble import RandomForestClassifier
model = RandomForestClassifier(n_estimators=50,random_state=42)
results = model.fit(X_train,y_train)

然后将预测的标签组合成我尝试过的数据集：

prediction_array = np.moveaxis(results,1,0)
df = pd.concat([df,prediction_array],axis=1)

但是我不断收到以下错误： numpy.AxisError: source: axis 1 is out of bounds for array of dimension 1

1. 如何将预测的类添加到我的标记数据集中？理想情况下，我想要一个带有预测标签的附加列。

2. 如果我做不到以上，有没有办法直接在地图上绘制随机森林分类器的输出？

感谢您的帮助！！

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）