RandomForestClassifier怎么用

RandomForestClassifier 是 Scikit-learn 中的一个随机森林分类器模型。使用它需要先导入相关模块和数据，将数据进行训练和测试，最后进行预测并评估模型的性能。以下是一个简单的示例代码：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.datasets import load_iris

# 导入数据
iris = load_iris()
X, y = iris.data, iris.target

# 划分数据集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建模型
rfc = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练并评估模型
rfc.fit(X_train, y_train)
score = rfc.score(X_test, y_test)
print(f"随机森林分类器的准确率为：{score:.2f}")

# 预测新数据
new_data = [[5.1, 3.5, 1.4, 0.2], [6.2, 2.9, 4.3, 1.3]]
predictions = rfc.predict(new_data)
print(f"新数据的分类属于：{predictions}")

其中，n_estimators 参数表示建立的树的数量，random_state 参数保证了模型每次运行的结果相同。运行代码后将得到模型在测试集上的准确率以及新数据的分类预测结果。