python 随机森林分类

Python中可以使用scikit-learn库来实现随机森林分类算法。下面是一个简单的示例代码：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

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

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林分类器
rf_classifier = RandomForestClassifier(n_estimators=100)

# 在训练集上训练模型
rf_classifier.fit(X_train, y_train)

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

# 计算准确率
accuracy = (y_pred == y_test).mean()

print(f"准确率: {accuracy}")

在这个示例中，我们使用了鸢尾花数据集（load_iris）来进行分类。首先，我们将数据集划分为训练集和测试集。然后，我们创建一个随机森林分类器，并使用训练集对其进行训练。最后，我们使用测试集进行预测并计算准确率。

请注意，这只是一个简单的示例代码，实际应用中可能需要进行更多的数据预处理、参数调优等操作。