随机森林算法python代码

以下是使用Python实现的随机森林算法代码示例：

from sklearn.ensemble import RandomForestClassifier

# 加载数据集
X_train, y_train = load_train_data()
X_test, y_test = load_test_data()

# 初始化分类器
rf_classifier = RandomForestClassifier(n_estimators=100, max_depth=5)

# 训练模型
rf_classifier.fit(X_train, y_train)

# 预测结果
y_pred = rf_classifier.predict(X_test)

# 评估模型性能
accuracy = accuracy_score(y_test, y_pred)
precision = precision_score(y_test, y_pred)
recall = recall_score(y_test, y_pred)
f1 = f1_score(y_test, y_pred)

在上述代码中，我们使用`sklearn.ensemble`库中的`RandomForestClassifier`类实现随机森林分类器。我们首先加载训练和测试数据集，然后通过设置`n_estimators`和`max_depth`参数初始化分类器。最后，我们使用`fit`方法训练模型，并使用`predict`方法对测试数据进行预测。最后，我们使用`sklearn.metrics`库中的函数计算模型的性能指标。