随机森林代码python

以下是一个使用随机森林算法进行分类的Python代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

# 生成一个随机的二分类数据集
X, y = make_classification(n_samples=1000, n_features=4,
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)

# 创建一个随机森林分类器
clf = RandomForestClassifier(max_depth=2, random_state=0)

# 训练分类器
clf.fit(X, y)

# 预测新的数据点的类别
print(clf.predict([[0, 0, 0, 0]])) # 输出：[1]

在这个示例中，我们使用`make_classification`函数生成了一个随机的二分类数据集，然后使用`RandomForestClassifier`类创建了一个随机森林分类器。我们将`max_depth`参数设置为2，这意味着每个决策树的最大深度为2。然后，我们使用`fit`方法训练分类器，并使用`predict`方法预测新的数据点的类别。