python随机森林回归实现

Python中的随机森林（Random Forest）是一种集成学习方法，特别适用于回归任务。它是通过构建大量的决策树并取其平均结果来提高预测性能。对于回归随机森林，主要步骤如下：

1. 导入所需库：首先，你需要导入`sklearn.ensemble`模块下的`RandomForestRegressor`，这是随机森林回归模型。

from sklearn.ensemble import RandomForestRegressor

2. 准备数据：准备训练集和测试集，通常包括特征数据和对应的标签值。

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

3. 初始化模型：设置随机森林的参数，如树的数量（n_estimators）、最大深度（max_depth）等。

rf_model = RandomForestRegressor(n_estimators=100, max_depth=None, random_state=42)

4. 训练模型：使用训练数据拟合模型。

rf_model.fit(X_train, y_train)

5. 预测：对测试数据进行预测。

y_pred = rf_model.predict(X_test)

6. 评估：使用评估指标（如均方误差MSE、R²分数）检查模型的性能。

mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)