红酒质量预测的python代码

下面是一个使用随机森林（Random Forest）算法进行红酒质量预测的 Python 代码示例：

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

# 读取数据
data = pd.read_csv('winequality.csv', sep=';')
X = data.iloc[:,:-1]
y = data.iloc[:,-1]

# 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)

# 训练模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)

# 预测测试集
y_pred = rf.predict(X_test)

# 计算准确率
acc = accuracy_score(y_test, y_pred)
print('准确率为：%.2f%%' % (acc * 100))

在上面的代码中，我们首先使用 Pandas 库读取了红酒数据集，并将特征和标签分别存储在 X 和 y 中。然后，我们使用 train_test_split 函数将数据集划分为训练集和测试集。接着，我们使用 RandomForestClassifier 类来训练随机森林分类器，并使用 predict 方法对测试集进行预测。最后，我们使用 accuracy_score 函数计算模型的准确率，并输出结果。

需要注意的是，上面的代码仅供参考，实际使用时还需要根据具体情况进行调整和优化。同时，在使用机器学习算法进行预测时，需要对数据进行预处理和特征选择，以提高模型的预测能力。