随机森林数据划分代码

随机森林是一种集成学习算法，它由多个决策树组成。在随机森林中，数据划分是构建决策树的关键步骤之一。下面是一个简单的随机森林数据划分的代码示例：

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

# 假设我们有一个特征矩阵 X 和目标变量 y

# 将数据划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林分类器
rf = RandomForestClassifier()

# 在训练集上拟合模型
rf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = rf.predict(X_test)

以上代码使用了`sklearn`库中的`RandomForestClassifier`类来创建随机森林分类器，并使用`train_test_split`函数将数据划分为训练集和测试集。然后，使用训练集对随机森林进行拟合，最后使用测试集进行预测。