目錄
1 讀取數據
2 數據預處理
3模型訓練
4模型預測
5精度分析
由于回歸任務的標簽數據獲取比較困難，我們這次用水體指數NDWI來模擬作為回歸任務的標簽，通過隨機森林來擬合回歸NDWI,其計算公式如下：
NDWI = (band3 - band5) / (band3 + band5)實際情況下需要回歸的數據應該比這更加困難，可能是站點數據或者實測數據，可以采用類似分類任務中的操作，使用矢量轉柵格將站點數據shp轉為與影像行列數一致的柵格數據。
1 讀取數據
1.在code文件夾內新建rfr.py用來編寫回歸任務代碼
2.導入庫
from osgeo import gdal
import numpy as np
from sklearn.model_selection import train_test_split
import joblib
from sklearn.ensemble import RandomForestRegressor
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error,mean_absolute_error,r2_score
import sklearn
