sklearn随机森林简单使用例子

当然，我可以给你一个简单的使用例子来使用sklearn中的随机森林算法。

首先，你需要安装sklearn库，如果你还没有安装的话，可以使用以下命令进行安装：

pip install -U scikit-learn

然后，你可以使用下面的代码来创建一个简单的随机森林模型并进行训练和预测：

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

# 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=0.2, random_state=42)

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

# 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("准确率:", accuracy)

在这个例子中，我们使用了sklearn中的鸢尾花数据集（iris dataset），将数据集分为训练集和测试集，然后创建一个包含100个决策树的随机森林模型。最后，我们使用测试集来评估模型的准确率。

希望这个例子对你有帮助！如果你还有其他问题，请随时提问。