随机森林实现鸢尾花分类

好的，下面是随机森林实现鸢尾花分类的代码：

from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

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

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建随机森林分类器
rfc = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
rfc.fit(X_train, y_train)

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

# 输出模型准确率
print("模型准确率：", rfc.score(X_test, y_test))

在上面的代码中，我们首先加载了鸢尾花数据集，然后将数据集分为训练集和测试集。接着，我们创建了一个包含 100 个决策树的随机森林分类器，并用训练集训练了模型。最后，在测试集上进行预测，输出模型的准确率。

注意，我们在创建随机森林分类器时，指定了 `n_estimators=100`，这表示我们将创建 100 个决策树。你可以尝试修改这个参数，看看对模型准确率的影响。