随机森林回归python
时间: 2023-08-13 10:11:46 浏览: 44
随机森林回归是一种基于集成学习的机器学习算法,它可以用于解决回归问题。在Python中,你可以使用scikit-learn库来实现随机森林回归。
下面是一个简单的示例代码:
```python
from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import make_regression
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
# 生成示例数据
X, y = make_regression(n_samples=100, n_features=1, noise=0.5)
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)
# 创建随机森林回归模型
model = RandomForestRegressor(n_estimators=100)
# 拟合模型
model.fit(X_train, y_train)
# 预测
y_pred = model.predict(X_test)
# 计算均方误差
mse = mean_squared_error(y_test, y_pred)
print("均方误差:", mse)
```
在上面的代码中,首先使用`make_regression`函数生成了一些示例数据。然后使用`train_test_split`函数将数据分割为训练集和测试集。接下来,创建了一个有100个决策树的随机森林回归模型,并使用训练集进行拟合。最后,使用测试集进行预测,并计算预测结果与真实值之间的均方误差。
你可以根据自己的数据和需求进行修改和调整。希望对你有帮助!