随机森林回归Python代码
时间: 2023-11-05 15:28:24 浏览: 106
随机森林回归是一种机器学习算法,它可以利用Python实现。它使用一组决策树来生成预测结果,并通过平均法来提高准确性。 下面是一个简单的Python代码示例,用于实现随机森林回归:from sklearn.ensemble import RandomForestRegressor# 创建随机森林回归模型
regressor = RandomForestRegressor()# 训练模型
regressor.fit(X_train, y_train)# 预测结果
y_pred = regressor.predict(X_test)
相关问题
随机森林回归python代码
以下是一个简单的随机森林回归的Python代码示例:
```python
from sklearn.ensemble import RandomForestRegressor
# 创建随机森林回归模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)
# 训练模型
rf.fit(X_train, y_train)
# 预测
y_pred = rf.predict(X_test)
```
其中,`n_estimators`是指随机森林中树的数量,`random_state`是随机种子,`X_train`和`y_train`是训练数据集,`X_test`是测试数据集,`y_pred`是预测结果。
随机森林回归python代码实现
随机森林回归是一种常用的机器学习算法,它可以用于预测连续型变量。下面是一个简单的随机森林回归的Python代码实现:
1. 导入必要的库和模块
```python
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import pandas as pd
```
2. 加载数据集
```python
data = pd.read_csv('data.csv')
X = data.drop('target', axis=1)
Y = data['target']
```
3. 划分训练集和测试集
```python
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=1)
```
4. 训练模型
```python
forest = RandomForestRegressor(n_estimators=100, random_state=1, n_jobs=-1)
forest.fit(X_train, Y_train)
```
5. 预测并评估模型
```python
Y_pred = forest.predict(X_test)
mse = mean_squared_error(Y_test, Y_pred)
print('Mean Squared Error:', mse)
```
以上就是一个简单的随机森林回归的Python代码实现。其中,n_estimators表示决策树的数量,random_state表示随机种子,n_jobs表示使用的CPU核心数。