随机森林python代码

随机森林是一种强大的机器学习算法，能够用于分类和回归问题。下面是一个使用Python实现随机森林的示例代码。

首先，我们需要导入所需的库：

```python import numpy as np import pandas as pd from sklearn.ensemble import RandomForestClassifier from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score ```

接下来，我们可以加载数据集。在这个示例中，我们将使用一个名为“iris”的经典数据集。该数据集包含了150个样本，每个样本有4个特征和一个类别标签。

```python # 加载数据集 df = pd.read_csv('iris.csv')

# 将特征和目标变量分开 X = df.drop('target', axis=1) y = df['target']

# 将数据集分为训练集和测试集 X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42) ```

接下来，我们可以创建一个随机森林分类器，并将其拟合到训练数据中。

```python # 创建随机森林分类器 clf = RandomForestClassifier(n_estimators=100)

# 拟合训练数据 clf.fit(X_train, y_train) ```

一旦模型拟合完毕，我们可以使用测试数据对其进行评估。

```python # 对测试数据进行预测 y_pred = clf.predict(X_test)

# 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("准确率:", accuracy) ```

以上就是使用Python实现随机森林的示例代码。随机森林是一个非常强大且易于使用的算法，能够应用于各种不同的问题。通过调整参数和改变数据集，你可以将它应用到你的实际问题中。希望这个示例对你有所帮助！