写出相关完整的python代码

当然可以，不过首先需要明确你要哪种类型的Python代码，例如是关于数据预处理、特征工程、模型训练还是集成学习模型（如随机森林或梯度提升树）的例子。下面是一个简单的随机森林模型在sklearn上用于波士顿房价预测的例子：

# 导入必要的库
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestRegressor
from sklearn.metrics import mean_squared_error, r2_score
import pandas as pd

# 加载波士顿房价数据集
boston = load_boston()
data = pd.DataFrame(boston.data, columns=boston.feature_names)
target = boston.target

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data, target, test_size=0.2, random_state=42)

# 创建随机森林回归器
rf_model = RandomForestRegressor(n_estimators=100, random_state=42)

# 训练模型
rf_model.fit(X_train, y_train)

# 预测测试集
y_pred = rf_model.predict(X_test)

# 评估模型性能
mse = mean_squared_error(y_test, y_pred)
r2 = r2_score(y_test, y_pred)
print(f"Mean Squared Error: {mse:.2f}")
print(f"R^2 Score: {r2:.2f}")

# 如果需要，你可以添加更多代码来比较其他集成学习模型，或者调整超参数

这段代码演示了如何使用随机森林进行波士顿房价预测。如果你需要其他类型的代码或者有具体的实验细节，记得详细描述一下。