随机森林模型预测准确度代码
时间: 2023-06-30 18:24:40 浏览: 74
下面是一个简单的随机森林模型预测准确度代码示例:
```python
# 导入随机森林模型和数据集
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
# 将数据集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=0.3, random_state=0)
# 创建随机森林模型,设置参数
rf = RandomForestClassifier(n_estimators=10, max_depth=None, min_samples_split=2, random_state=0)
# 拟合模型并进行预测
rf.fit(X_train, y_train)
y_pred = rf.predict(X_test)
# 计算模型的准确度
accuracy = accuracy_score(y_test, y_pred)
# 打印模型的准确度
print('Accuracy:', accuracy)
```
在上面的代码中,我们使用了 `train_test_split` 函数将数据集分为训练集和测试集。然后,我们创建了随机森林模型,并使用 `fit` 方法在训练集上拟合模型。接着,我们使用 `predict` 方法在测试集上进行预测,并使用 `accuracy_score` 函数计算模型的准确度。最后,我们打印出模型的准确度。