随机森林预测代码

好的，以下是一个简单的随机森林预测代码示例：

# 导入需要的库
from sklearn.ensemble import RandomForestRegressor
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split

# 加载数据集
data = load_boston()

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(data.data, data.target, test_size=0.3, random_state=42)

# 创建随机森林模型并训练
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)

# 预测测试集结果
y_pred = rf.predict(X_test)

# 输出模型评估结果
print("随机森林模型的R^2得分为: {:.2f}".format(rf.score(X_test, y_test)))

这段代码主要包括以下几个步骤：

1. 导入需要的库，包括随机森林模型、数据集加载库和数据集划分库等。
2. 加载波士顿房价数据集，并将数据集划分为训练集和测试集。
3. 创建一个随机森林回归模型，并使用训练集对模型进行训练。
4. 使用测试集进行预测，并输出模型评估结果。

在这个示例中，我们使用了随机森林回归模型来预测波士顿房价。您可以根据自己的数据集和问题选择合适的模型和参数进行预测。