Scikit learn 使用libSVM工具执行多类分类

我正在尝试使用

libSVM

库对卫星图像进行分类。我想要的是显示分类图像并保存它，而不仅仅是在我的终端上获得准确的结果。我已经从训练数据集中提取了像素值（如下所示），并使用脚本

csv2libsvm

（）为

libsvm

提供正确格式的数据。在要分类的图像中有4个不同的类别。我的卫星图像和培训数据如下所示

图1：使用训练数据分类的图像

我遵循的步骤基于以下教程

分割培训和测试数据（70%培训和30%测试）

svm-subset.py数据集12000 training.tr testing.te

训练模型

svm train training.tr

预测

svm预测测试.te训练.tr.模型分类输出

该分类的准确率为95%，非常好

我现在真正感兴趣的是显示分类图像。因此，我需要从包含分类标签的csv文件中构建我的分类图像。这就是问题所在，但不知道如何解决。我做过（但没有工作）的事情如下：

我使用

csv

模块将

lbSVM

生成的csv文件导入

python

我试图将csv文件重塑为图像的形状

我的代码如下所示：

with open('/home/io/Desktop/training/1TESTING/libSVM_classification/classification_results', 'r') as csvfile:
    reader = csv.reader(csvfile, delimiter=' ')
    results = []
    for row in reader:
        results.append(row)
    
results_arr = np.asarray(results, dtype=int) 
predicted = results_arr[results_arr>0] #here is my predicted labels

#load the image to be classified and read the projection system
raster_dataset = gdal.Open(sea_ice, gdal.GA_ReadOnly)
geo_transform = raster_dataset.GetGeoTransform()
proj = raster_dataset.GetProjectionRef()

#loop over all bands of the image and append them.
bands_data = []
for b in range(1, raster_dataset.RasterCount+1):
    band = raster_dataset.GetRasterBand(b)
    bands_data.append(band.ReadAsArray())

bands_data = np.dstack(bands_data)
row, col, n_bands = bands_data.shape

#get the classified labels from libsvm and reshape them into the initial image
#in order to display it using matplotlib
class_prediction = predicted.reshape(bands_data[:, :, 0].shape)

待分类图像的大小为（303 x 498），由

libsvm

生成的预测类的大小为1807。因此，当我尝试重塑

libsvm

结果时，我得到了以下错误

ValueError:无法将大小为1807的数组重塑为形状（303498）

这个错误是有道理的。我有1907行，并试图重塑它以匹配我的初始图像，这显然是不可能的

那么，如何显示我的分类图像？我获得了95%的准确率，但还没有找到一种方法来查看分类结果。我认为

libsvm

可能有将分类结果导出到tiff的选项，但它没有

如果有任何帮助、想法或提示，我将不胜感激