random forests代码
时间: 2023-12-25 12:29:07 浏览: 128
Random Forest 是一种集成学习算法,它通过构建多个决策树来进行预测,并且通过投票或取平均值的方式来提高预测的准确性。下面是一个简单的 Random Forest 的代码示例:
```python
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 加载数据集
iris = load_iris()
X, y = iris.data, iris.target
# 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)
# 构建 Random Forest 模型
model = RandomForestClassifier(n_estimators=100, random_state=42)
# 在训练集上训练模型
model.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = model.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 scikit-learn 库中的 RandomForestClassifier 类来构建 Random Forest 模型。我们首先加载了鸢尾花数据集,然后将数据集划分为训练集和测试集。接着我们构建了一个包含 100 个决策树的 Random Forest 模型,并在训练集上进行训练。最后,我们在测试集上进行预测,并计算了模型的准确率。
阅读全文