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,decis