随机森林算法python代码

以下是使用Python中的Scikit-learn库实现随机森林算法的示例代码：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 创建一个分类数据集
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=1)

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=1)

# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, random_state=1)

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出准确率
print("Accuracy:", clf.score(X_test, y_test))

在本示例中，我们使用`make_classification`函数创建一个随机分类数据集。然后我们使用`train_test_split`函数将数据集拆分为训练集和测试集。接下来，我们创建一个具有100棵树的随机森林分类器，并使用`fit`方法训练模型。最后，我们使用`predict`方法对测试集进行预测，并使用`score`方法计算模型的准确率。