随机森林分类python代码

随机森林是一种集成学习方法，常用于分类和回归任务。在Python中，我们可以使用scikit-learn库来实现随机森林分类。这里是一个基本的随机森林分类器的例子：

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

# 假设你已经有了一个名为df的数据集，其中包含特征列（X）和目标列（y）
data = pd.read_csv('your_data.csv')  # 替换为实际数据文件路径
X = data.drop('target_column', axis=1)  # 'target_column'是你的目标变量名
y = data['target_column']

# 数据预处理（如编码、归一化等）
# ...

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建随机森林分类器
rf_classifier = RandomForestClassifier(n_estimators=100,  # 树的数量
                                        max_depth=None,   # 自动调整树的深度
                                        random_state=42)   # 设置随机种子保证结果可复现

# 训练模型
rf_classifier.fit(X_train, y_train)

# 预测
predictions = rf_classifier.predict(X_test)

# 评估性能
from sklearn.metrics import accuracy_score
accuracy = accuracy_score(y_test, predictions)
print(f"Accuracy: {accuracy}")