sklearn实现随机森林多分类的代码
时间: 2023-09-08 21:10:19 浏览: 115
下面是使用sklearn实现随机森林多分类的代码示例:
```python
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。
阅读全文