python随机森林分类器正确率

随机森林分类器的正确率可以通过使用模型的score方法来计算。该方法返回模型在测试集上的预测准确率。在Python中，可以使用sklearn.ensemble库中的RandomForestClassifier类来实现随机森林分类器。以下是一个简单的示例代码，展示了如何使用随机森林分类器并计算其正确率：

from sklearn.ensemble import RandomForestClassifier

# 创建随机森林分类器对象
forest = RandomForestClassifier()

# 将训练集数据和标签传入模型进行训练
forest.fit(x_train.values, y_train.values)

# 使用测试集数据进行预测并计算正确率
score = forest.score(x_test, y_test)
print(score)

其中，x_train和y_train分别是训练集的特征数据和标签数据，x_test和y_test则是测试集的特征数据和标签数据。score变量即为随机森林分类器在测试集上的正确率。