5. 使用随机森林对鸢尾花分类，计算精确率、召回率和F值写出代码

要在Python中使用sklearn库的RandomForestClassifier对鸢尾花数据集（Iris dataset）进行分类，并计算精确率、召回率和F1分数，首先需要加载数据并分割为训练集和测试集。这里是一个简单的示例：

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

# 加载鸢尾花数据集
iris = datasets.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, random_state=42)

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

# 预测
y_pred = rf_classifier.predict(X_test)

# 计算并打印分类报告
report = classification_report(y_test, y_pred, target_names=iris.target_names)
print("Classification Report:\n", report)

# 提取精确率、召回率和F1分数
accuracy = report.split("\n")[0].split()[8]
precision = report.splitlines()[1].split()[8]
recall = report.splitlines()[2].split()[8]

print(f"精确率 (Precision): {precision}")
print(f"召回率 (Recall): {recall}")
print(f"F1分数 (F1 Score): {2 * precision * recall / (precision + recall)}")

注意，这个例子假设了你已经安装了`sklearn`库。运行上述代码，你会得到随机森林分类器在鸢尾花数据集上的性能指标。如果你没有安装sklearn，可以使用pip install scikit-learn命令进行安装。