python语言随机森林调参代码

当使用Python语言进行随机森林调参时，可以使用scikit-learn库提供的GridSearchCV类来进行网格搜索。下面是一个简单的示例代码：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import GridSearchCV

# 准备数据集
X = ...
y = ...

# 定义随机森林分类器
rf = RandomForestClassifier()

# 定义参数网格
param_grid = {
    'n_estimators': [100, 200, 300],  # 决策树数量
    'max_depth': [None, 5, 10],  # 决策树最大深度
    'min_samples_split': [2, 5, 10],  # 节点分裂所需的最小样本数
    'min_samples_leaf': [1, 2, 4]  # 叶子节点所需的最小样本数
}

# 创建网格搜索对象
grid_search = GridSearchCV(estimator=rf, param_grid=param_grid, cv=5)

# 执行网格搜索
grid_search.fit(X, y)

# 输出最佳参数组合和对应的准确率
print("Best parameters: ", grid_search.best_params_)
print("Best accuracy: ", grid_search.best_score_)

这段代码使用了GridSearchCV类来进行网格搜索，通过指定不同的参数组合进行模型训练和评估，并找到最佳参数组合和对应的准确率。