写一个机器学习的随机森林算法代码

好的，以下是一个简单的Python实现随机森林算法的代码：

import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 读取数据
data = pd.read_csv('data.csv')

# 分离特征和标签
X = data.iloc[:, :-1].values
y = data.iloc[:, -1].values

# 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)

# 创建随机森林模型
rfc = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
rfc.fit(X_train, y_train)

# 预测测试集结果
y_pred = rfc.predict(X_test)

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

其中，`data.csv`是存储数据的文件，包含了特征和标签。`train_test_split`函数用于划分训练集和测试集。`RandomForestClassifier`类用于创建随机森林模型，其中`n_estimators`参数指定了森林中树的数量。`fit`方法用于训练模型。`predict`方法用于预测测试集结果。最后，`accuracy_score`函数用于计算准确率。