我正在使用scikit-learn库对卫星图像进行监督分类（支持向量机分类器）。我的主要问题是如何训练我的SVM分类器。我在YouTube上观看了许多视频，并阅读了一些关于如何在scikit-learn中训练SVM模型的教程。所有我看过的教程都使用了著名的Iris数据集。为了在scikit-learn中进行监督的SVM分类，我们需要有标签。对于Iris数据集，我们有Iris.target，这是我们试图预测的标签（’setosa’, ‘versicolor’, ‘virginica’）。通过阅读scikit-learn的文档，训练过程非常简单明了。
在我的案例中，我需要训练一张在城市区域上空捕获的SAR卫星图像，并且需要对城市区域、道路、河流和植被（4个类别）进行分类。这张图像有两个波段，但我没有像Iris数据那样的每个类别的标签数据。
所以，我的疑问是，是否必须手动创建向量数据（针对4个类别）来训练SVM模型？有没有比手动创建向量数据更简单的方法来训练模型？在这种情况下我们该怎么做？
说实话，我有点困惑。我会很感激任何帮助
回答：
这里有一个完整的示例，应该可以帮助你走上正轨。为了简单起见，我们假设你的目标是对下面的三波段图像上的像素进行分类，分类为建筑、植被和水体三种不同类别。这些类别将分别以红色、绿色和蓝色显示。
我们从读取图像并定义一些稍后将使用的变量开始。
import numpy as npfrom skimage import ioimg = io.imread('https://i.sstatic.net/TFOv7.png')rows, cols, bands = img.shapeclasses = {'building': 0, 'vegetation': 1, 'water': 2}n_classes = len(classes)palette = np.uint8([[255, 0, 0], [0, 255, 0], [0, 0, 255]])无监督分类
如果你不想手动标记一些像素，那么你需要检测数据的底层结构，即你必须将图像像素分成n_classes个分区，例如通过k-means聚类：
from sklearn.cluster import KMeansX = img.reshape(rows*cols, bands)kmeans = KMeans(n_clusters=n_classes, random_state=3).fit(X)unsupervised = kmeans.labels_.reshape(rows, cols)io.imshow(palette[unsupervised])
监督分类
或者，你可以为一些已知类别的像素分配标签（通常称为地面真实数据的标记像素集）。在这个示例中，地面真实数据由三个硬编码的20×20像素的方形区域组成，如下图所示：
supervised = n_classes*np.ones(shape=(rows, cols), dtype=np.int)supervised[200:220, 150:170] = classes['building']supervised[40:60, 40:60] = classes['vegetation']supervised[100:120, 200:220] = classes['water']地面真实数据（训练集）的像素用于拟合支持向量机。
y = supervised.ravel()train = np.flatnonzero(supervised < n_classes)test = np.flatnonzero(supervised == n_classes)from sklearn.svm import SVCclf = SVC(gamma='auto')clf.fit(X[train], y[train])y[test] = clf.predict(X[test])supervised = y.reshape(rows, cols)io.imshow(palette[supervised])在训练阶段之后，分类器为剩余的像素（测试集）分配类别标签。分类结果如下所示：
最后的评论
结果似乎表明无监督分类比其监督分类更准确。然而，监督分类通常表现优于无监督分类。重要的是要注意，在分析的示例中，通过调整SVM分类器的参数，可以显著提高准确性。通过扩大和细化地面真实数据，可以进一步提高性能，因为训练/测试比例非常小，红色和绿色补丁实际上包含不同类别的像素。最后，可以合理地期望，使用更复杂的特征，如从强度水平计算的比率或指数（例如NDVI）将提升性能。
