用Python实现随机森林分类

好的，下面是用Python实现随机森林分类的代码示例：

# 引入必要的库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成示例数据
X, y = make_classification(n_samples=1000, n_features=4,
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 定义随机森林分类器并进行训练
clf = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=0)
clf.fit(X_train, y_train)

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

# 输出模型的准确率
print("Accuracy:", clf.score(X_test, y_test))

在这个示例中，我们使用`make_classification`函数生成了一个示例数据集，然后将其分为训练集和测试集。我们定义了一个随机森林分类器，将其训练并在测试集上进行预测。最后，我们输出了模型的准确率。