机器学习大作业-对森林植被覆盖进行预测

最新推荐文章于 2025-06-20 21:38:41 发布

原创

最新推荐文章于 2025-06-20 21:38:41 发布 · 3.9k 阅读

22 ·

CC 4.0 BY-SA版权

这篇博客详细介绍了如何运用决策树建立训练模型，进而对森林植被覆盖进行预测，展示了从模型构建到预测结果输出的完整过程。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

1、利用决策树建立训练模型

import pandas as pd
import pickle
from sklearn.model_selection import train_test_split
from sklearn.feature_extraction import DictVectorizer #特征转换器
from sklearn.tree import DecisionTreeClassifier
from sklearn.metrics import classification_report
from sklearn import tree
#数据获取
dataSet=pd.read_csv('C:\\User\Desktop\ML\\train.csv')

#特征，此时X是dataFrame的格式，相当于一个二维表结构
X=dataSet[['Elevation','Aspect', 'Slope', 'Horizontal_Distance_To_Hydrology' , 'Vertical_Distance_To_Hydrology', 'Horizontal_Distance_To_Roadways',	'Hillshade_9am',	'Hillshade_Noon', 'Hillshade_3pm','Horizontal_Distance_To_Fire_Points','Wilderness_Area1']]

#标记
y=dataSet['Cover_Type']

#数据预处理，划分训练集和测试集
X_train,X_test,y_train,y_test=train_test_split(X,y,test_size=0.1,random_state=33)
vec=DictVectorizer(sparse=False)

#对训练集进行特征提取
X_train=vec.fit_transform(X_train.to_dict(orient='record'))

#对测试集进行特征提取
X_test=vec.transform(X_test.to_dict(orient='record'))

#使用决策树对