ArcGIS Pro 3.5 随机森林实战指南：从数据准备到模型优化

1次阅读

共计 1785 个字符，预计需要花费 5 分钟才能阅读完成。

随机森林在空间数据分析中很受欢迎，因为它能处理复杂的非线性关系，且对异常值和噪声不太敏感。但在实际应用中，GIS 开发者常会遇到几个棘手问题：

数据不平衡：比如分类任务中某些地物类别样本过少
特征冗余：空间数据往往包含大量相关性高的特征
参数调优：超参数组合对模型性能影响大但难以手动选择
结果解释：黑箱模型的可解释性一直是难点

首先需要确保数据格式正确并完成预处理：

import arcpy
from sklearn.ensemble import RandomForestClassifier

# 检查坐标系
input_fc = "土地利用.shp"
sr = arcpy.Describe(input_fc).spatialReference
print(f"当前坐标系: {sr.name}")

# 处理缺失值
arcpy.management.CalculateField(
    input_fc, "坡度", 
    "0 if ! 坡度! is None else ! 坡度!", 
    "PYTHON3"
)

好的特征能显著提升模型效果：

# 计算 NDVI 植被指数
arcpy.management.CalculateField(
    "采样点.shp", "NDVI",
    "(float(!NIR!) - float(!Red!))/(float(!NIR!) + float(!Red!))",
    "PYTHON3"
)

# 添加空间特征
arcpy.management.GenerateSpatialWeightsMatrix(
    "采样点.shp", "空间自相关",
    "K_NEAREST_NEIGHBORS", "距离"
)

核心训练流程示例：

from sklearn.model_selection import train_test_split

# 准备数据
data = arcpy.da.FeatureClassToNumPyArray(
    "训练数据.shp", 
    ["NDVI", "高程", "坡度", "类别"]
)
X, y = data[["NDVI", "高程", "坡度"]], data["类别"]

# 划分训练测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 初始化模型
rf = RandomForestClassifier(
    n_estimators=100,
    max_depth=10,
    class_weight="balanced"  # 处理类别不平衡
)

# 训练模型
rf.fit(X_train, y_train)

使用递归特征消除 (RFE)：

from sklearn.feature_selection import RFECV

selector = RFECV(rf, step=1, cv=5)
selector = selector.fit(X_train, y_train)
print(f"最优特征数: {selector.n_features_}")

网格搜索示例：

from sklearn.model_selection import GridSearchCV

param_grid = {'n_estimators': [50, 100, 200],
    'max_depth': [5, 10, None],
    'min_samples_split': [2, 5, 10]
}

grid_search = GridSearchCV(rf, param_grid, cv=5)
grid_search.fit(X_train, y_train)
print(f"最优参数: {grid_search.best_params_}")