当前位置：首页 > backend >正文

遥感amp；机器学习入门实战教程 | Sklearn 案例③：PCA + SVM / 随机森林对比与调参

backend 2025/8/25 4:17:06

前两篇我们完成了 无泄露 PCA 预处理 与 k-NN 分类。链接，https://mp.weixin.qq.com/mp/appmsgalbum?__biz=MzkwMTE0MjI4NQ==&action=getalbum&album_id=4119240160615596034#wechat_redirect
本篇引入更强的 支持向量机 (SVM) 与 随机森林 (RF)，利用交叉验证自动调参，形成可靠的基线模型，并增加整图预测与参数可视化。

🎯 本文目标

保持严格无数据泄露：StandardScaler 和 PCA 仅在训练集上 fit。
使用 GridSearchCV 在训练集上做超参数搜索。
输出完整评估指标：OA / AA / Kappa + 分类报告。
绘制混淆矩阵（新配色）与 PCA 累计解释方差曲线。
可视化参数影响：SVM 的 C×gamma 热力图，RF 的 n_estimators×max_depth 热力图。
整图预测：不遮挡未知区域，完整渲染。

📂 数据准备

与前篇相同：

KSC.mat：高光谱数据 (H, W, B)
KSC_gt.mat：标签图 (H, W)，其中 0=背景，1…C 为类别

your_path/├─ KSC.mat└─ KSC_gt.mat

只需修改脚本中的 DATA_DIR = r"your_path"。

① 环境与依赖

import os, time, json
import numpy as np
import scipy.io as sio
import matplotlib
import matplotlib.pyplot as pltfrom sklearn.model_selection import train_test_split, StratifiedKFold, GridSearchCV
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.svm import SVC
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import confusion_matrix, classification_report, accuracy_score, cohen_kappa_score

说明：导入 Numpy/Scipy 做数据处理，Matplotlib 绘图，Scikit-learn 提供 PCA、SVM、RF 与评估工具。

② 参数设置

DATA_DIR = r"your_path"   # 修改为你的数据目录
PCA_DIM = 30
TRAIN_RATIO = 0.3
SEED = 42
N_FOLDS = 5

说明：这里设置 PCA 主成分数=30，训练集占比=30%，并固定随机种子保证可复现。

③ 加载与划分数据

X = sio.loadmat(os.path.join(DATA_DIR, "KSC.mat"))["KSC"].astype(np.float32)
Y = sio.loadmat(os.path.join(DATA_DIR, "KSC_gt.mat"))["KSC_gt"].astype(int)
h, w, b = X.shapecoords = np.argwhere(Y != 0)              # 有标签像素坐标
labels = Y[coords[:, 0], coords[:, 1]]-1  # 转为 0-based

说明：只取有标签像素做监督学习，避免背景 0 干扰。

④ 无泄露预处理：仅用训练像素 `fit`

from sklearn.model_selection import train_test_splittrain_ids, test_ids = train_test_split(np.arange(len(coords)), train_size=TRAIN_RATIO,stratify=labels, random_state=SEED)train_pixels = X[coords[train_ids,0], coords[train_ids,1]]scaler = StandardScaler().fit(train_pixels)
pca = PCA(n_components=PCA_DIM, random_state=SEED).fit(scaler.transform(train_pixels))

说明：

fit 仅用训练像素：防止测试信息泄露。
顺序：StandardScaler → PCA。

⑤ 整图统一变换

X_flat = X.reshape(-1, b)
X_std  = scaler.transform(X_flat)
X_pca_flat = pca.transform(X_std)
X_pca = X_pca_flat.reshape(h, w, PCA_DIM)X_train = X_pca[coords[train_ids,0], coords[train_ids,1]]
y_train = labels[train_ids]
X_test  = X_pca[coords[test_ids,0],  coords[test_ids,1]]
y_test  = labels[test_ids]

说明：整幅影像使用相同参数变换；之后提取训练/测试像素用于建模。

⑥ PCA 累计解释方差曲线

cum_var = np.cumsum(pca.explained_variance_ratio_)
plt.plot(np.arange(1, len(cum_var)+1), cum_var, marker='o')
plt.axhline(0.95, ls='--', label="95% 阈值")
plt.axvline(PCA_DIM, ls='--', label=f"n={PCA_DIM}")
plt.xlabel("主成分数"); plt.ylabel("累计解释方差比")
plt.title("PCA累计解释方差曲线"); plt.legend(); plt.show()

说明：辅助判断保留多少维合适（常取解释方差 >95%）。

⑦ 模型与网格搜索

skf = StratifiedKFold(n_splits=N_FOLDS, shuffle=True, random_state=SEED)svm_grid = GridSearchCV(SVC(kernel="rbf"),param_grid={"C":[1,5,10,20,50,100],"gamma":["scale",0.01,0.005,0.001]},cv=skf, n_jobs=-1).fit(X_train, y_train)rf_grid = GridSearchCV(RandomForestClassifier(random_state=SEED,n_jobs=-1),param_grid={"n_estimators":[200,400,800],"max_depth":[None,10,20,40]},cv=skf, n_jobs=-1).fit(X_train, y_train)

说明：使用分层K折交叉验证，在训练集上搜索最优参数。

⑧ 参数可视化

SVM：C×gamma 热力图

Cs=[1,5,10,20,50,100]; Gs=["scale",0.01,0.005,0.001]
Z=np.full((len(Gs),len(Cs)),np.nan)
for mean,params in zip(svm_grid.cv_results_["mean_test_score"], svm_grid.cv_results_["params"]):i,j = Gs.index(str(params["gamma"])), Cs.index(params["C"])Z[i,j]=mean
plt.imshow(Z,cmap="viridis"); plt.colorbar(label="CV准确率")
plt.xticks(range(len(Cs)),Cs); plt.yticks(range(len(Gs)),Gs)
plt.title("SVM参数热力图"); plt.show()

说明：直观展示不同 C 和 gamma 的组合对准确率的影响。

⑨ 测试集评估

from sklearn.metrics import classification_reportsvm_best=svm_grid.best_estimator_; rf_best=rf_grid.best_estimator_
y_pred_svm=svm_best.predict(X_test); y_pred_rf=rf_best.predict(X_test)print("SVM最佳参数:",svm_grid.best_params_)
print(classification_report(y_test,y_pred_svm))
print("RF最佳参数:",rf_grid.best_params_)
print(classification_report(y_test,y_pred_rf))

说明：输出每类的 precision/recall/F1，以及整体 OA / Kappa。

⑩ 混淆矩阵（新配色）

cm = confusion_matrix(y_test,y_pred_svm)
plt.imshow(cm,cmap="Blues"); plt.title("SVM混淆矩阵"); plt.colorbar(); plt.show()cmn=cm/cm.sum(axis=1,keepdims=True)
plt.imshow(cmn,cmap="YlGnBu",vmin=0,vmax=1); plt.title("SVM混淆矩阵(归一化)")
plt.colorbar(); plt.show()

说明：两版配色：计数=Blues，归一化=YlGnBu，更直观。

⑪ 整图预测（完整渲染）

best_model=svm_best if accuracy_score(y_test,y_pred_svm)>=accuracy_score(y_test,y_pred_rf) else rf_best
pred_map=best_model.predict(X_pca_flat).reshape(h,w)+1from matplotlib.colors import ListedColormap
cmap=ListedColormap([plt.cm.tab20(i%20) for i in range(len(np.unique(labels)))])
plt.imshow(pred_map,cmap=cmap); plt.title("整图预测结果"); plt.axis("off"); plt.show()