sklearn鸢尾花随机森林
时间: 2023-09-04 18:08:04 浏览: 48
sklearn是一个Python机器学习库,它提供了各种机器学习算法的实现以及数据预处理、特征提取等工具。而随机森林是一种基于决策树的集成算法,它通过对多个决策树的结果进行集成来提高模型的准确性。
下面是使用sklearn对鸢尾花数据集进行随机森林分类的示例代码:
```python
from sklearn.datasets import load_iris
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
# 加载数据集
iris = load_iris()
# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)
# 训练随机森林模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)
# 在测试集上进行预测
y_pred = rf.predict(X_test)
# 计算准确率
accuracy = rf.score(X_test, y_test)
print("Accuracy:", accuracy)
```
在这个示例中,我们首先通过`load_iris()`函数加载了鸢尾花数据集,然后使用`train_test_split()`函数将数据集划分为训练集和测试集。接着,我们创建了一个随机森林分类器,并在训练集上进行了训练。最后,在测试集上进行了预测,并计算了模型的准确率。
需要注意的是,在创建随机森林分类器时,我们设置了`n_estimators=100`,这表示我们使用了100个决策树来构建随机森林模型。这个参数可以根据实际情况进行调整。