用python写一个random forest代码

以下是一个基于scikit-learn库实现的随机森林分类器代码：

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

# 生成随机数据集
X, y = make_classification(n_samples=1000, n_features=4,
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=0)

# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=0)

# 训练模型
clf.fit(X_train, y_train)

# 对测试集进行预测
y_pred = clf.predict(X_test)

# 计算模型准确率
accuracy = clf.score(X_test, y_test)
print("模型准确率：", accuracy)

这个代码生成了一个含有4个特征的随机数据集，并将其划分为训练集和测试集。随后，它创建了一个含有100个决策树的随机森林分类器，并使用训练集进行训练。最后，它对测试集进行预测，并计算模型准确率。