随机森林北太天元代码

随机森林（Random Forest）是一种集成学习方法，它结合了多个决策树来进行预测，常用于分类和回归任务中。在Python中，我们可以使用scikit-learn库中的`RandomForestClassifier`或`RandomForestRegressor`来实现随机森林模型。以下是一个简单的随机森林分类器的代码示例：

# 导入所需库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 加载数据集（这里以鸢尾花数据集为例）
iris = load_iris()
X = iris.data
y = iris.target

# 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)

# 创建随机森林模型
rf_model = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=42)

# 训练模型
rf_model.fit(X_train, y_train)

# 预测
y_pred = rf_model.predict(X_test)

# 评估性能
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

# 如果要保存模型，可以使用joblib库：
# from joblib import dump
# dump(rf_model, 'random_forest_model.joblib')