随机森林python库

在Python中，我们可以使用`scikit-learn`库中的`RandomForestClassifier`类来实现随机森林算法。下面是一个简单的例子：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

# 创建一个随机森林分类器
clf = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=0)

# 生成一个随机的分类数据集
X, y = make_classification(n_features=4, random_state=0)

# 训练分类器
clf.fit(X, y)

# 预测新的数据
print(clf.predict([[0, 0, 0, 0]]))

在这个例子中，我们使用`make_classification`函数生成了一个随机的分类数据集，然后使用`RandomForestClassifier`类创建了一个随机森林分类器。通过设置`n_estimators`参数来指定森林中树的数量，`max_depth`参数来指定每棵树的最大深度。然后用`fit`方法进行训练，再使用`predict`方法对新的数据进行预测。