python写一个随机森林回归模型

好的，以下是一个简单的随机森林回归模型的Python代码示例：

# 导入必要的库
import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import r2_score, mean_squared_error

# 加载数据
data = np.loadtxt('data.csv', delimiter=',')
X = data[:, :-1]
y = data[:, -1]

# 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)

# 初始化随机森林回归模型
rf = RandomForestRegressor(n_estimators=100, random_state=42)

# 训练模型
rf.fit(X_train, y_train)

# 预测测试集结果
y_pred = rf.predict(X_test)

# 计算R2分数和平均误差
r2 = r2_score(y_test, y_pred)
mse = mean_squared_error(y_test, y_pred)

print("R2分数:", r2)
print("平均误差:", mse)

这个模型使用sklearn库中的RandomForestRegressor类来实现随机森林回归，并使用train_test_split函数将数据集分为训练集和测试集。模型训练后，用测试集进行预测，并用r2_score和mean_squared_error函数计算模型的性能指标R2分数和平均误差。