机器学习感兴趣么？无监督的遥感图像分类感兴趣吗？来嘛！

大图镇楼

注释一下，一共通过无监督方式分类8种地物，由于是无监督，所以这8类分别是什么，也不知道，而且密密麻麻的，看的清么？

所谓的无监督，缺乏足够的先验知识，因此难以人工标注类别或进行人工类别标注的成本太高。很自然地，我们希望计算机能代我们完成这些工作，或至少提供一些帮助。根据类别未知(没有被标记)的训练样本解决模式识别中的各种问题，称之为无监督学习（From 百度）。

无监督有其独特的优势，作为入门案例，不得不说十分优秀！

本案例利用K_Means方法

（继续盗图）

按照图中示例，通过距离，对影像图进行自动分类（或者说是聚类）

继续百度：

k均值聚类算法（k-means clustering algorithm）是一种迭代求解的聚类分析算法，其步骤是，预将数据分为K组，则随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，把每个对象分配给距离它最近的聚类中心。聚类中心以及分配给它们的对象就代表一个聚类。每分配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算。这个过程将不断重复直到满足某个终止条件。终止条件可以是没有（或最小数目）对象被重新分配给不同的聚类，没有（或最小数目）聚类中心再发生变化，误差平方和局部最小。

一堆废话结束，现在看看原始的图像：

原始图像是一个Landsat 8 OLI的多光谱影像，影像中共8个波段，每个波段都可以作为聚类分析的数据输入部分，为此，在算法的自变量输入中，我将所有的数据都作为分类的依据：

X = img[:, :, :7].reshape(new_shape)

对因变量聚类为8个类型：

k_means = cluster.KMeans(n_clusters=8)

然后。。。结果，再放一次图吧

最后，想知道怎么实现的吗？这回我鸡贼了，请你们关注我的公众号：一个有趣的灵魂W。

回复关键词：fl

回复关键词：fl（只有fl两个字母）

回复关键词：fl

就能下到数据和代码啦。代码的数据输入路径部分要你们自己改。

最后的最后，希望你们都学不会，然后疯狂的关注我的公众号。

一个有趣的灵魂W

长按关注