easyensemble算法python代码

当然，下面是一个简单的示例：

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

# 创建一个合成的二分类数据集
X, y = make_classification(n_samples=1000, n_features=20, n_informative=10,
                           n_classes=2, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练EasyEnsemble分类器
clf = EasyEnsembleClassifier(random_state=42)
clf.fit(X_train, y_train)

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

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

在这个示例中，我们使用了`sklearn`库中的`EasyEnsembleClassifier`类来实现EasyEnsemble算法。我们首先创建了一个合成的二分类数据集，然后将数据集划分为训练集和测试集。接下来，我们创建了一个EasyEnsemble分类器并在训练集上进行训练。最后，我们使用训练好的模型对测试集进行预测，并计算预测准确率。

请注意，这只是一个简单的示例，实际使用时可能需要根据具体问题进行适当的调整和优化。