分别定义标签“1”、“0”,使用随机森林算法进行分类训练
时间: 2023-11-18 10:06:36 浏览: 21
标签“1”和“0”可以表示二元分类问题,其中“1”表示正例,而“0”表示负例。随机森林是一种基于决策树的集成学习算法,它可以用于分类和回归。下面是使用Python中的sklearn库实现随机森林分类的示例代码:
```python
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
# 假设数据集已经准备好,特征矩阵为X,标签为y
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)
# 创建随机森林模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)
# 训练模型
rf.fit(X_train, y_train)
# 预测测试集
y_pred = rf.predict(X_test)
# 计算准确率
acc = accuracy_score(y_test, y_pred)
print("Accuracy:", acc)
```
在这个示例中,我们使用train_test_split函数将数据集分为训练集和测试集,然后创建一个有100个决策树的随机森林模型,并用训练集训练该模型。最后,我们用测试集评估模型的性能,并计算出准确率。