用随机森林对鸢尾花进行分类

A：以下是基于Python和scikit-learn库实现的随机森林对鸢尾花进行分类的代码示例：

# 导入需要的库和数据集
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载鸢尾花数据集
iris = load_iris()

# 获取特征变量和目标变量
X = iris.data
y = iris.target

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

# 建立随机森林分类器
rfc = RandomForestClassifier(n_estimators=100, random_state=42)

# 拟合模型并进行预测
rfc.fit(X_train, y_train)
y_pred = rfc.predict(X_test)

# 输出模型准确率等指标
print('Accuracy:', rfc.score(X_test, y_test))

可以看到，代码中首先导入了需要的库和鸢尾花数据集。然后通过train_test_split函数将数据集随机划分为训练集和测试集，并使用RandomForestClassifier建立随机森林模型。接着，通过拟合模型对测试集进行预测，并输出模型准确率等指标。