机器学习大作业-对森林植被覆盖进行预测

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
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值