python随机森林模型代码

以下是使用Python中的sklearn库实现随机森林模型的示例代码：

# 导入必要的库
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

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3)

# 创建随机森林模型
rf = RandomForestClassifier(n_estimators=100) # n_estimators为决策树的个数

# 训练模型
rf.fit(X_train, y_train)

# 评估模型
score = rf.score(X_test, y_test)
print("随机森林模型的准确率为:", score)

在上面的代码中，我们首先导入必要的库并加载了一个经典的鸢尾花数据集。然后，我们将数据集分为训练集和测试集，并创建了一个拥有100个决策树的随机森林模型。最后，我们使用测试集评估了模型并打印出了模型的准确率。