sklearn实现随机森林多分类的代码

下面是使用sklearn实现随机森林多分类的代码示例：

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

# 生成随机分类数据
X, y = make_classification(n_samples=1000, n_features=10, n_classes=5, random_state=42)

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 定义随机森林分类器
rf = RandomForestClassifier(n_estimators=100, max_depth=5, random_state=42)

# 训练模型
rf.fit(X_train, y_train)

# 预测测试集
y_pred = rf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)

print("Accuracy:", accuracy)

在上面的代码中，我们使用`make_classification`函数生成了一个随机的多分类数据集，然后使用`train_test_split`函数将数据集划分为训练集和测试集。然后，我们定义了一个`RandomForestClassifier`分类器，使用`fit`方法训练模型，使用`predict`方法预测测试集，并使用`accuracy_score`函数计算准确率。