scikit-learn随机森林完整代码

以下是使用scikit-learn库实现随机森林的完整代码示例：

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

# 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 = RandomForestClassifier(n_estimators=100, random_state=42)

# 在训练集上训练模型
rf.fit(X_train, y_train)

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

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这段代码首先导入了所需的库和模块，然后加载了一个经典的鸢尾花数据集。接下来，将数据集划分为训练集和测试集，然后创建了一个包含100个决策树的随机森林分类器。在训练集上训练完模型后，使用测试集进行预测，并计算了预测准确率。