随机森林用交叉验证超参数调优的训练集和测试集python代码

对于您的问题，我可以提供以下 Python 代码：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV

# 定义随机森林模型
rf = RandomForestClassifier()

# 定义超参数搜索范围
param_grid = {
'n_estimators': [10, 50, 100, 200],
'max_depth': [None, 5, 10, 20],
'max_features': ['sqrt', 'log2']
}

# 定义交叉验证的折数
cv = 5

# 使用 GridSearchCV 进行超参数搜索
grid_search = GridSearchCV(estimator=rf, param_grid=param_grid, cv=cv)

# 训练集和测试集需要自行准备
grid_search.fit(X_train, y_train)

# 输出最优的超参数
print(grid_search.best_params_)