用r语言写随机森林回归的代码

好的，下面是一个简单的使用 R 语言进行随机森林回归的代码示例：

# 导入 randomForest 包
library(randomForest)

# 加载数据集
data <- read.csv("data.csv")

# 划分数据集
train_index <- sample(1:nrow(data), 0.7 * nrow(data))
train_data <- data[train_index, ]
test_data <- data[-train_index, ]

# 构建随机森林模型
rf_model <- randomForest(target_variable ~ ., data = train_data, ntree = 100, mtry = sqrt(ncol(train_data)))

# 预测测试集结果
predicted <- predict(rf_model, test_data)

# 计算预测结果的误差
mse <- mean((predicted - test_data$target_variable) ^ 2)

# 输出模型评估指标
cat("MSE: ", mse, "\n")

在这段代码中，我们首先导入了 randomForest 包，并加载了一个名为 data.csv 的数据集。然后，我们使用 sample() 函数将数据集随机划分为训练集和测试集。

接下来，我们使用 randomForest() 函数构建随机森林模型，其中 target_variable 是因变量的列名， ~. 表示使用所有其他列作为自变量。在这个例子中，我们设置了 ntree = 100 和 mtry = sqrt(ncol(train_data))，这些参数可以根据具体问题进行调整。

然后，我们使用 predict() 函数对测试集进行预测，并计算预测结果的误差。最后，我们输出了模型评估指标 MSE。

希望这个示例能够对您有所帮助。如果您有其他问题，请随时提出。