随机森林回归预测模型代码

随机森林回归（Random Forest Regression）是一种基于决策树的集成学习方法，用于预测连续数值输出。在Python中，我们可以使用scikit-learn库来实现这个模型。以下是构建一个简单的随机森林回归模型的基本步骤：

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

# 假设你已经有了一个数据集df，其中包含特征列X和目标变量y
X = df.drop('y', axis=1)  # 特征列
y = df['y']               # 目标变量

# 数据分割
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建并训练模型
model = RandomForestRegressor(n_estimators=100, random_state=42)
model.fit(X_train, y_train)

# 预测
y_pred = model.predict(X_test)

# 评估模型
mse = mean_squared_error(y_test, y_pred)
print("Mean Squared Error:", mse)