随机森林模型预测的代码

好的，以下是一个简单的随机森林模型预测的代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

# 生成随机数据集
X, y = make_classification(n_samples=1000, n_features=4,
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)

# 创建随机森林分类器
clf = RandomForestClassifier(max_depth=2, random_state=0)

# 训练模型
clf.fit(X, y)

# 预测新数据
print(clf.predict([[0, 0, 0, 0]]))

这个代码示例中，我们使用 `make_classification` 函数生成了一个包含 1000 个样本和 4 个特征的随机数据集。然后，我们创建了一个最大深度为 2 的随机森林分类器，并使用 `fit` 方法训练了模型。最后，我们使用 `predict` 方法对新数据进行预测。