现有随机森林回归模型，需要画出随机森林回归模型的拟合度的图，请写出代码

好的，以下是画出随机森林回归模型拟合度图的代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import make_regression

# 创建一个回归数据集
X, y = make_regression(n_features=1, noise=20, random_state=42)

# 创建随机森林回归模型并拟合数据集
model = RandomForestRegressor(n_estimators=100, random_state=42)
model.fit(X, y)

# 生成一组新的测试数据
X_test = np.linspace(-3, 3, 100).reshape(-1, 1)

# 使用训练好的模型进行预测
y_pred = model.predict(X_test)

# 画出拟合度图
plt.figure(figsize=(10, 6))
plt.scatter(X, y, c='b', label='Training data')
plt.plot(X_test, y_pred, c='r', label='Random Forest Regressor')
plt.legend()
plt.title('Random Forest Regression')
plt.xlabel('Feature')
plt.ylabel('Target')
plt.show()

这段代码中，我们首先使用 `make_regression` 函数生成一个带有噪声的回归数据集，然后创建了一个随机森林回归模型，并使用 `fit` 函数拟合数据集。接着，我们使用 `linspace` 函数生成了一组新的测试数据，使用训练好的模型进行预测，并使用 `scatter` 函数画出了训练数据的散点图和 `plot` 函数画出了拟合曲线，最后使用 `legend` 函数加入图例，`title` 函数设置标题，`xlabel` 函数设置 x 轴标签，`ylabel` 函数设置 y 轴标签，最后使用 `show` 函数展示图形。