sklearn如何拟合两自变量一因变量数据的例子，使用随机森林回归

Sklearn可以使用RandomForestRegressor方法来拟合两个自变量和一个因变量的数据。以下是一个例子：

from sklearn.ensemble import RandomForestRegressor
import numpy as np

# 创建一个随机的数据样本
x1 = np.random.rand(100)
x2 = np.random.rand(100)
y = 3*x1 + 5*x2 + np.random.rand(100)

# 将数据分成训练集和测试集
train_size = int(0.8*len(y))
x1_train, x1_test = x1[:train_size], x1[train_size:]
x2_train, x2_test = x2[:train_size], x2[train_size:]
y_train, y_test = y[:train_size], y[train_size:]

# 创建随机森林回归模型并拟合数据
rf = RandomForestRegressor(n_estimators=100)
rf.fit(np.column_stack((x1_train, x2_train)), y_train)

# 预测测试集数据
y_pred = rf.predict(np.column_stack((x1_test, x2_test)))

在这个例子中，我们首先生成了100个随机的数据样本，其包含两个自变量(x1和x2)和一个因变量(y)。然后我们将数据分成训练集和测试集，并使用RandomForestRegressor方法创建并拟合随机森林回归模型。最后，我们使用训练好的模型对测试集数据进行预测。

需要注意的是，以上仅仅是一个简单的例子，实际拟合过程中需要考虑更多因素，例如数据预处理、模型参数选择等。