随机森林算法python代码

下面是一个简单的随机森林算法的Python代码示例：

# 导入必要的库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成数据
X, y = make_classification(n_samples=1000, n_features=4, n_classes=2, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, random_state=42)

# 构造随机森林分类器
clf = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=42)

# 在训练集上进行训练
clf.fit(X_train, y_train)

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

# 输出模型的准确率
print("Random Forest Classifier accuracy:", clf.score(X_test, y_test))

在这个例子中，我们使用`make_classification`函数生成一个随机的二分类数据集。然后我们将数据集划分为训练集和测试集，使用`RandomForestClassifier`类实例化一个随机森林分类器，并在训练集上进行训练。最后，我们在测试集上进行预测，并输出模型的准确率。