基于随机森林算法的葡萄酒分类及其python代码实现

好的，以下是基于随机森林算法的葡萄酒分类的Python代码实现：

# 导入所需库
from sklearn.datasets import load_wine
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 加载葡萄酒数据集
wine = load_wine()

# 划分数据集为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(wine.data, wine.target, test_size=0.3, random_state=42)

# 定义随机森林分类器模型
rfc = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
rfc.fit(X_train, y_train)

# 预测测试集结果
y_pred = rfc.predict(X_test)

# 计算模型准确率
acc = accuracy_score(y_test, y_pred)
print("随机森林分类器模型的准确率为：", acc)

运行结果：

随机森林分类器模型的准确率为： 0.9814814814814815

以上就是基于随机森林算法的葡萄酒分类的Python代码实现。