写一段利用随机森林进行二分类的代码

好的，以下是一个简单的使用随机森林进行二分类的 Python 代码示例：

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

# 生成一个随机数据集，包含100个样本，每个样本包含20个特征
X, y = make_classification(n_samples=100, n_features=20, n_informative=10, n_classes=2, random_state=42)

# 将数据集分为训练集和测试集，其中测试集占20%
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建一个随机森林分类器，其中包含100棵决策树
rf = RandomForestClassifier(n_estimators=100, random_state=42)

# 使用训练集训练模型
rf.fit(X_train, y_train)

# 使用测试集预测结果
y_pred = rf.predict(X_test)

# 计算模型的准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

在上面的代码中，我们首先使用`make_classification()`函数生成一个包含100个样本、20个特征的随机数据集。然后，我们将数据集分为训练集和测试集，并创建一个包含100棵决策树的随机森林分类器。最后，我们使用训练集训练模型，使用测试集预测结果，并计算模型的准确率。