用python实现极端随机树回归

要使用Python实现极端随机树（Extra Trees）回归，可以使用sklearn库中的ExtraTreesRegressor类。下面是一个简单的示例代码：

from sklearn.ensemble import ExtraTreesRegressor
import numpy as np

# 假设你有一个特征矩阵 X 和对应的目标变量 y
X = [[0, 0, 1],
     [1, 0, 0],
     [0, 1, 0],
     [1, 1, 0]]
y = [1, 2, 3, 4]

# 创建极端随机树回归器
etr = ExtraTreesRegressor(n_estimators=100)

# 训练模型
etr.fit(X, y)

# 进行预测
new_data = [[1, 0, 1],
            [0, 1, 1]]
predictions = etr.predict(new_data)

# 打印预测结果
for i, pred in enumerate(predictions):
    print(f"Sample {i+1}: {pred}")

这段代码首先导入了`ExtraTreesRegressor`类和`numpy`库。然后，定义了一个特征矩阵`X`和对应的目标变量`y`作为示例数据。接下来，创建了一个包含100个决策树的极端随机树回归器，并使用`fit`方法训练模型。然后，使用`predict`方法对新数据进行预测，并将预测结果打印出来。

请注意，这只是一个简单的示例代码，实际应用中可能需要根据具体问题进行适当的修改。