随机森林分类预测代码

以下是一个简单的随机森林分类预测代码示例：

# 导入必要的库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成随机数据集
X, y = make_classification(n_samples=1000, n_features=4, n_informative=2, n_redundant=0, random_state=0, shuffle=False)

# 将数据集划分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)

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

# 训练模型
clf.fit(X_train, y_train)

# 预测测试集
y_pred = clf.predict(X_test)

# 输出预测结果
print("Accuracy:", clf.score(X_test, y_test))

在这个示例中，我们使用 `make_classification` 函数生成了一个随机数据集，然后将其划分为训练集和测试集。我们创建了一个具有100个决策树的随机森林分类器，并使用 `fit` 方法训练模型。最后，我们使用 `predict` 方法对测试集进行预测，并计算准确率。