随机森林分类模型PYthon代码

随机森林是一种集成学习算法，它通过构建多个决策树并取它们的多数投票结果来进行预测。在Python中，我们可以使用scikit-learn库中的`RandomForestClassifier`来创建和训练随机森林分类模型。下面是一个简单的示例：

# 导入所需的库
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
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)

# 创建随机森林分类器
rf_classifier = RandomForestClassifier(n_estimators=100, # 树的数量
                                       criterion='gini',   # 分裂标准
                                       max_depth=None,   # 自动设定深度
                                       random_state=42)  

# 训练模型
rf_classifier.fit(X_train, y_train)

# 预测
y_pred = rf_classifier.predict(X_test)

# 评估模型性能
accuracy = accuracy_score(y_test, y_pred)
print(f"Accuracy: {accuracy * 100:.2f}%")

#