随机森林python复现

当然没有问题！下面是一个简单的随机森林算法的 Python 复现示例：

import numpy as np
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 准备数据集
X = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9], [10, 11, 12]])
y = np.array([0, 1, 0, 1])

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林分类器
rf = RandomForestClassifier(n_estimators=100, random_state=42)

# 在训练集上训练模型
rf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = rf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print("准确率:", accuracy)

在这个例子中，我们使用了 `sklearn` 库中的 `RandomForestClassifier` 类来构建了一个随机森林分类器。我们使用 `numpy` 来准备数据集并将其拆分为训练集和测试集。然后，我们使用训练集对随机森林模型进行训练，并在测试集上进行预测。最后，我们使用 `accuracy_score` 函数计算准确率。