随机森林回归python代码实现

随机森林回归是一种常用的机器学习算法，它可以用于预测连续型变量。下面是一个简单的随机森林回归的Python代码实现：

1. 导入必要的库和模块

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error
import pandas as pd

2. 加载数据集

data = pd.read_csv('data.csv')
X = data.drop('target', axis=1)
Y = data['target']

3. 划分训练集和测试集

X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size=0.2, random_state=1)

4. 训练模型

forest = RandomForestRegressor(n_estimators=100, random_state=1, n_jobs=-1)
forest.fit(X_train, Y_train)

5. 预测并评估模型

Y_pred = forest.predict(X_test)
mse = mean_squared_error(Y_test, Y_pred)
print('Mean Squared Error:', mse)

以上就是一个简单的随机森林回归的Python代码实现。其中，n_estimators表示决策树的数量，random_state表示随机种子，n_jobs表示使用的CPU核心数。