sklearn鸢尾花随机森林

好的，以下是一个使用sklearn库中的随机森林算法进行鸢尾花分类的示例代码：

# 导入需要用到的库和数据集
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()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.3, random_state=42)

# 创建随机森林分类器
rfc = RandomForestClassifier(n_estimators=10, random_state=42)

# 训练模型
rfc.fit(X_train, y_train)

# 预测测试集
y_pred = rfc.predict(X_test)

# 输出模型准确率
print("Accuracy:", rfc.score(X_test, y_test))

以上代码中，我们首先使用 `load_iris()` 函数加载鸢尾花数据集，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，我们创建一个随机森林分类器对象，其中 `n_estimators` 参数指定了随机森林中树的数量。我们使用 `fit()` 函数训练模型，并使用 `predict()` 函数对测试集进行预测。最后，我们使用 `score()` 函数计算模型在测试集上的准确率并输出。