![523c32a7e974b4580f5929245c48ec97.png](https://i-blog.csdnimg.cn/blog_migrate/0f5a1227f6e40d4e519f91b7cbf4a13d.jpeg)
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![372ef5f35583de5fb186f77ae9dc4342.png](https://i-blog.csdnimg.cn/blog_migrate/bc08ea0fa5d35bd7e5647bfa47a404e7.jpeg)
![c5ebedb540023546722e8bf6ae53ef5e.png](https://i-blog.csdnimg.cn/blog_migrate/8097487a9ef7c46379cb194051795f4f.jpeg)