随机森林回归的交叉验证 python

在 Python 中进行随机森林回归的交叉验证，你可以使用 scikit-learn 库中的 `cross_val_score` 方法。这个方法可以帮助你进行模型的交叉验证评估。

以下是一个示例代码：

from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import cross_val_score

# 创建随机森林回归模型
rf = RandomForestRegressor()

# 假设你有特征矩阵 X 和目标变量 y

# 进行交叉验证评估
scores = cross_val_score(rf, X, y, cv=5)  # cv表示将数据集分成几份进行交叉验证

# 输出交叉验证的平均得分
print("平均得分：", scores.mean())

在这个例子中，我们导入了 `RandomForestRegressor` 类和 `cross_val_score` 方法。然后，我们创建了一个随机森林回归模型 `rf`。接着，通过调用 `cross_val_score` 方法来进行交叉验证评估，指定了特征矩阵 `X`、目标变量 `y`，以及将数据集分成 5 份进行交叉验证。最后，我们打印出交叉验证的平均得分。

希望对你有所帮助！如果还有其他问题，请继续提问。