随机森林输出结果概率python代码

随机森林是一种集成学习方法，它通常用于分类和回归任务，并能够提供预测结果的概率估计。在Python中，可以使用sklearn库来构建随机森林模型并获取输出结果的概率。以下是一个简单的示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
import numpy as np

# 加载数据
iris = load_iris()
X = iris.data
y = iris.target

# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100)

# 训练模型
clf.fit(X, y)

# 进行预测并获取概率
# 对于分类任务，random_forest.predict_proba()返回每个样本属于各个类别的概率
probs = clf.predict_proba(X[:1])  # 选择第一个样本作为例子

# 结果是一个二维数组，每一行对应一个样本，每一列对应一个类别的概率
print(probs)

#