随机森林的预测python

随机森林是一种集成学习方法，它由许多决策树组成，每个树对数据进行独立预测，然后将它们的结果汇总得出最终结果。在Python中，可以使用sklearn库来实现随机森林模型，步骤大致如下：

1. 导入必要的库：

from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score
import pandas as pd

2. 加载数据集并预处理：

data = pd.read_csv('your_data.csv')  # 替换为实际文件路径
X = data.drop('target_column', axis=1)  # 特征列
y = data['target_column']  # 目标变量

# 数据分割（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)

3. 创建随机森林模型并训练：

model = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=42)
model.fit(X_train, y_train)

4. 预测和评估：

y_pred = model.predict(X_test)
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)