python随机森林回归代码

当然，我可以为您提供一个基本的Python随机森林回归代码示例：

# 导入所需的库
import numpy as np
import pandas as pd
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
from sklearn.metrics import mean_squared_error

# 导入数据集
data = pd.read_csv("data.csv")  # 假设您的数据保存在名为"data.csv"的文件中

# 准备输入特征和目标变量
X = data.drop("target_variable", axis=1)  # 假设目标变量的名称为"target_variable"
y = data["target_variable"]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林回归模型
rf_regressor = RandomForestRegressor()

# 拟合模型
rf_regressor.fit(X_train, y_train)

# 预测测试集
y_pred = rf_regressor.predict(X_test)

# 计算均方根误差（RMSE）
rmse = np.sqrt(mean_squared_error(y_test, y_pred))
print("RMSE:", rmse)

请注意，您需要将代码中的"data.csv"替换为您自己的数据文件名，并将"target_variable"替换为目标变量的名称。此外，您还可以根据需要调整其他参数，如测试集大小和随机森林回归模型的超参数。希望对您有所帮助！如有更多问题，请随时提问。