R语言猴痘数据运用随机森林算法预测代码

好的，以下是一个基于R语言和randomForest库实现的猴痘数据运用随机森林算法预测的示例代码：

# 导入需要的库
library(randomForest)

# 读取猴痘数据集
df <- read.csv("monkeypox.csv")

# 分离特征和标签
X <- df[, -ncol(df)]
y <- df[, ncol(df)]

# 将数据集分为训练集和测试集
set.seed(42)
train_index <- sample(1:nrow(df), 0.8*nrow(df))
X_train <- X[train_index, ]
y_train <- y[train_index]
X_test <- X[-train_index, ]
y_test <- y[-train_index]

# 创建随机森林模型
rf <- randomForest(x = X_train, y = y_train, ntree = 100)

# 进行预测
y_pred <- predict(rf, X_test)

# 计算精度
accuracy <- sum(y_pred == y_test) / length(y_test)
print(paste("Accuracy:", round(accuracy*100, 2), "%"))

这段代码首先使用read.csv函数读取了一个名为"monkeypox.csv"的猴痘数据集，然后将数据集分为特征和标签。接着，将数据集分为训练集和测试集，并创建了一个含有100个决策树的随机森林模型。最后，使用测试集进行预测并计算了预测精度。如果您有任何疑问或需要进一步的解释，请随时向我提问。