python 随机森林代码

以下是一个简单的 Python 随机森林代码示例：

# 导入必要的库
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split

# 读取数据集
data = pd.read_csv('dataset.csv')

# 拆分成特征和标签
X = data.drop('label', axis=1)
y = data['label']

# 将数据集分成训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2)

# 定义随机森林分类器
rfc = RandomForestClassifier(n_estimators=10, random_state=42)

# 训练模型
rfc.fit(X_train, y_train)

# 在测试集上评估模型
score = rfc.score(X_test, y_test)
print(f'Test accuracy: {score}')

在上面的代码中，我们首先导入了 pandas 和 sklearn 库。然后，我们读取了一个名为 dataset.csv 的数据集，并将其拆分为特征和标签。接下来，我们使用 train_test_split 函数将数据集分成训练集和测试集。然后，我们定义了一个具有 10 个决策树的随机森林分类器，并在训练集上训练了模型。最后，我们在测试集上评估了模型，并打印出了测试精度。