目录

1 读取数据

2 数据预处理

3模型训练

4模型预测

5精度分析

---

由于回归任务的标签数据获取比较困难，我们这次用水体指数NDWI来模拟作为回归任务的标签，通过随机森林来拟合回归NDWI,其计算公式如下：

NDWI = (band3 - band5) / (band3 + band5)

实际情况下需要回归的数据应该比这更加困难，可能是站点数据或者实测数据，可以采用类似分类任务中的操作，使用矢量转栅格将站点数据shp转为与影像行列数一致的栅格数据。

1 读取数据

1.在code文件夹内新建rfr.py用来编写回归任务代码

2.导入库

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