随机森林函数
时间: 2023-06-30 12:09:15 浏览: 41
随机森林是一种集成学习方法,它由多个决策树组成。每个决策树都是基于从原始数据集中采样的随机样本和随机特征构建的。随机森林的输出是所有决策树的输出的平均值或投票结果。
在Python中,我们可以使用scikit-learn库来实现随机森林算法。下面是一个简单的随机森林分类器的示例代码:
```
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
# 创建随机数据集
X, y = make_classification(n_samples=1000, n_features=4,
n_informative=2, n_redundant=0,
random_state=0, shuffle=False)
# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, max_depth=2,
random_state=0)
# 拟合模型
clf.fit(X, y)
# 预测新数据
print(clf.predict([[0, 0, 0, 0]]))
```
在这个例子中,我们使用make_classification函数生成一个随机数据集,然后创建一个随机森林分类器。我们使用fit函数来拟合模型,并使用predict函数来预测新数据。