python 预测数据 回归树_基于栅格数据python的回归树实现方法

我试图在python中的一些光栅数据上构建并实现一个回归树算法，但似乎找不到最好的方法。我将试图解释我的努力：

我想要的输出是一个光栅图像，它的值代表湖泊的深度，称之为深度.tif. 我有一系列光栅图像，每个都代表不同陆地卫星波段的反射率值，比如[B1.tif，B2.tif，…，B7.tif]，我想用它们作为独立变量来预测湖泊深度。在

对于我的训练数据，我有一个已知湖深约6000点的shapefile。为了创建一棵树，我提取了每个点对应的反射率值，然后将其导出到一个表中。然后，我用机器学习软件weka中的表创建了一个600分支的回归树，它将根据反射值集预测深度值。但是因为树太大了，我不能用python手动编写它。我遇到了pythonweka包装器模块，这样我就可以在python中使用weka了，但是我还是被整个光栅部分卡住了。因为我的数据有一个额外的维度(如果转换成数组，每个独立变量实际上是一组ncolumns x nrows值，而不仅仅是一行值，就像在所有示例中一样)，我不知道它是否能满足我的需要。在weka python包装器的所有示例中，我找不到一个处理空间数据的示例，我认为这正是让我感到困惑的原因。在

为了澄清，我想使用训练数据(现在是一个点形状文件/表格，但如果需要，可以转换成与反射光栅大小相同的光栅，除了我在其中已知的几个深度数据点之外，所有单元格中没有数据)，建立一个回归树，使用反射光栅来预测深度。然后我想把这棵树应用到同一组反射光栅上，以获得预测深度值的光栅。在

我意识到这是令人困惑的，我可能在解释方面做得不够好。除了尝试在python中实现weka，比如sklearn，只要它们是开源的，我愿意接受其他选择。我的问题是，我所描述的能做到吗？我很确定它可以，因为它非常类似于图像分类，只是目标值(深度)是连续的，而不是离散的类，但是到目前为止我失败了。如果是的话，什么是最好的/最直接的方法和/或是否有任何可能有帮助的例子？在

谢谢