随机森林预测模型python代码

以下是一个简单的随机森林预测模型的 Python 代码示例：

# 导入所需的库
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 读取数据集
df = pd.read_csv('your_dataset.csv')

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林分类器模型
model = RandomForestClassifier()

# 在训练集上训练模型
model.fit(X_train, y_train)

# 在测试集上进行预测
predictions = model.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, predictions)
print("Accuracy:", accuracy)

请注意，上述代码仅提供了一个简单的随机森林预测模型的代码框架，你需要根据你的数据集和具体需求进行适当的修改和调整。