随机森林分类预测python代码

以下是使用随机森林算法进行分类预测的Python代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集
X, y = load_dataset()

# 分割数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 初始化随机森林分类器
rf_classifier = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
rf_classifier.fit(X_train, y_train)

# 预测测试集
y_pred = rf_classifier.predict(X_test)

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

在上述代码中，`load_dataset()` 函数用于加载数据集。`train_test_split()` 函数用于将数据集分割为训练集和测试集。`RandomForestClassifier` 类用于初始化随机森林分类器，并通过 `fit()` 方法进行训练。 `predict()` 方法用于对测试集进行预测，最后使用 `accuracy_score()` 函数计算准确率。需要注意的是，这里的 `n_estimators` 参数表示使用的决策树数量。