随机森林算法 python

随机森林是一种基于决策树的集成学习算法，它可以用于分类和回归问题，并且具有很好的泛化能力和抗干扰能力。在 Python 中，我们可以使用 scikit-learn 库来实现随机森林算法。

以下是一个简单的随机森林分类器的 Python 代码示例：

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

# 创建一个分类问题的数据集
X, y = make_classification(n_samples=1000, n_features=4, n_informative=2, n_redundant=0, random_state=0, shuffle=False)

# 创建一个随机森林分类器
clf = RandomForestClassifier(n_estimators=100, max_depth=2, random_state=0)

# 训练分类器
clf.fit(X, y)

# 使用分类器进行预测
print(clf.predict([[0, 0, 0, 0]]))

在上面的示例中，我们使用 `make_classification` 函数生成一个分类问题的数据集，然后创建一个由 100 棵树组成的随机森林分类器，并对其进行训练。最后，我们使用分类器对新的样本进行预测，并输出预测结果。

除了分类问题外，随机森林还可以用于回归问题，只需要使用 `RandomForestRegressor` 类而不是 `RandomForestClassifier` 类即可。