随机森林算法python实现

随机森林算法的Python实现同样可以使用scikit-learn库来完成。下面是一个简单的示例代码：

# 导入所需的库
from sklearn import datasets
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

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

# 将数据集划分为训练集和测试集
_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林分类器
clf = RandomForestClassifier()

# 在训练集上训练模型
clf.fit(X_train, y_train)

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

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)

这段代码同样使用鸢尾花数据集作为示例数据，将数据集划分为训练集和测试集，并使用随机森林分类器进行训练和预测。最后计算模型在测试集上的准确率并输出。你可以根据自己的需求来修改和调整代码。