ArcGIS Pro支持向量机入门实战：从数据准备到模型训练

1次阅读

没有评论

共计 1751 个字符，预计需要花费 5 分钟才能阅读完成。

支持向量机 (Support Vector Machine, SVM) 作为一种监督学习算法，在地理空间分析中广泛应用于：

土地利用 / 土地覆盖分类(Land Use/Land Cover Classification)
遥感影像多光谱分类(Multispectral Image Classification)
地质灾害风险预测(Geological Hazard Prediction)
城市扩张模拟(Urban Expansion Simulation)

其优势在于处理高维特征空间和非线性决策边界的能力，特别适合遥感影像的像素级分类任务。

输入数据需转为 ArcGIS 支持的格式（如.shp、.tif 或地理数据库要素类）
训练样本需包含明确的类别字段（整型）

波段计算：对多光谱影像计算 NDVI 等指数
纹理特征：使用【空间分析】工具生成 GLCM 纹理
标准化处理：消除不同波段量纲差异

通过 ArcGIS Pro 的以下路径调用：

【Geoprocessing】面板 → 搜索 ”Train Support Vector Machine Model”

核函数(Kernel Function)：
线性核(Linear)：适用于线性可分数据
RBF 核：最常用的非线性核，需设置 gamma 参数
多项式核(Polynomial)：需指定 degree 参数
惩罚系数 C：
默认值 1.0
值越大对误分类惩罚越重
建议通过交叉验证选择

# 导入 arcpy 模块
import arcpy
from arcpy.sa import *

# 设置工作空间
arcpy.env.workspace = "C:/Data/Classification.gdb"

# 数据标准化函数
def standardize_data(input_raster):
    """
    对输入栅格进行 Z -Score 标准化
    :param input_raster: 输入栅格数据集
    :return: 标准化后的栅格
    """mean = arcpy.GetRasterProperties_management(input_raster,"MEAN")
    std = arcpy.GetRasterProperties_management(input_raster, "STD")
    return (Raster(input_raster) - float(mean.getOutput(0))) / float(std.getOutput(0))

# 训练 SVM 模型
svm_params = {
    "kernel_type": "RBF",  # 核函数类型
    "gamma": 0.1,         # RBF 核参数
    "c_value": 10,        # 惩罚系数
    "max_iterations": 1000 # 最大迭代次数
}

trained_model = arcpy.sa.TrainSupportVectorMachineClassifier(
    "training_samples",    # 训练样本
    "class_field",         # 类别字段
    "standardized_bands",  # 标准化后的特征
    svm_params
)

# 模型评估
confusion_matrix = arcpy.sa.ComputeConfusionMatrix(
    "validation_samples",  # 验证样本
    trained_model
)

# 保存模型
trained_model.save("SVM_Classification_Model")