随机森林代码SPYDER

随机森林是一种集成学习算法，它由多个决策树成。每个决策树都是独立训练的，然后通过投票或平均的方式来进行预测。下面是在Spyder中使用Python编写的一个简单的随机森林代码示例：

# 导入所需的库
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("准确率：", accuracy)

这段代码使用了`sklearn`库中的`RandomForestClassifier`类来创建随机森林分类器。首先，我们加载了鸢尾花数据集，并将其划分为训练集和测试集。然后，我们创建了一个包含100个决策树的随机森林分类器，并在训练集上进行训练。最后，我们使用训练好的模型对测试集进行预测，并计算准确率。