随机森林对导入数据进行分类,Python代码
时间: 2023-12-27 15:02:36 浏览: 34
以下是使用sklearn库中的随机森林模型对导入的数据进行分类的Python代码:
```python
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
# 读取数据
data = pd.read_csv('data.csv')
# 将标签列放在最后一列
data = data[[col for col in data if col != 'label'] + ['label']]
# 将数据集分为训练集和测试集
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)
# 创建随机森林模型
rfc = RandomForestClassifier(n_estimators=100, random_state=42)
# 拟合模型
rfc.fit(X_train, y_train)
# 预测测试集数据
y_pred = rfc.predict(X_test)
# 输出预测的准确率
print("Accuracy:", rfc.score(X_test, y_test))
```
代码中使用`pandas`库读取了一个名为"data.csv"的数据集,并将标签列放在最后一列。然后使用`train_test_split`函数将数据集分为训练集和测试集。创建一个随机森林分类器,并使用`fit`方法拟合了模型。然后使用`predict`方法对测试集数据进行预测,并使用`score`方法输出预测的准确率。