写一个随机森林预测代码

好的，下面是一个使用随机森林进行预测的 Python 代码：

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 假设我们有一个数据集 X 和目标变量 y，X 中有 n 个特征
# 首先将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 创建随机森林回归器，设定树的数量为 100
rf = RandomForestRegressor(n_estimators=100)

# 训练模型
rf.fit(X_train, y_train)

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

# 计算均方误差
mse = mean_squared_error(y_test, y_pred)

print("均方误差:", mse)

需要注意的是，这只是一个简单的随机森林预测代码，具体的应用需要根据实际情况进行修改和调整。另外，在实际使用中，还需要对数据进行预处理、特征选择等操作。