随机森林模型python代码

随机森林（Random Forest）是一种集成学习方法，它通过构建众多决策树并取它们的平均结果来进行预测。Python中可以使用scikit-learn库方便地实现随机森林模型。以下是一个简单的随机森林分类器的例子：

# 导入所需的库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import pandas as pd

# 加载数据集（这里假设有一个pandas DataFrame）
# df = pd.read_csv('your_dataset.csv') # 替换为实际数据路径

# 加载示例数据集 iris
iris = load_iris()
X = iris.data
y = iris.target

# 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=42)

# 创建随机森林模型
rf_model = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=42)

# 训练模型
rf_model.fit(X_train, y_train)

# 预测
y_pred = rf_model.predict(X_test)

# 评估模型性能
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy}")