用python语言用随机森林算法写一个读取excel数据有多输入，一个输出的并且画出图像的代码

以下是一个使用随机森林算法读取Excel数据的Python代码，并将结果绘制成图表：

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor

# 读取Excel数据
data = pd.read_excel('data.xlsx')

# 确定特征与目标变量
X = data.iloc[:, :-1]
y = data.iloc[:, -1]

# 随机森林回归模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X, y)

# 输出预测结果
print(rf.predict([[1, 2, 3, 4]]))

# 绘制特征重要性图表
importance = rf.feature_importances_
indices = np.argsort(importance)[::-1]
features = data.columns[:-1]
plt.figure(figsize=(10, 5))
plt.title("Feature Importance")
plt.bar(range(X.shape[1]), importance[indices])
plt.xticks(range(X.shape[1]), features[indices], rotation=90)
plt.show()

该代码使用了`pandas`库读取Excel文件，并将数据分为特征和目标变量。然后使用`sklearn`库中的随机森林回归模型进行训练，并输出预测结果。最后使用`matplotlib`库绘制特征重要性图表。