随机森林算法python代码

下面是一个简单的随机森林算法的Python代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification

# 生成一个随机的分类数据集
X, y = make_classification(n_samples=1000, n_features=4,
                            n_informative=2, n_redundant=0,
                            random_state=0, shuffle=False)

# 创建随机森林分类器实例
rfc = RandomForestClassifier(n_estimators=100, random_state=0)

# 训练随机森林分类器
rfc.fit(X, y)

# 使用随机森林分类器进行分类预测
print(rfc.predict([[0, 0, 0, 0]]))

这段代码使用scikit-learn库中的随机森林分类器（`RandomForestClassifier`）对一个随机生成的分类数据集进行训练，并使用训练好的模型对一个新的输入样本进行分类预测。在这个示例中，随机森林分类器使用了100个决策树（`n_estimators=100`）来进行分类。

相关问题

随机森林回归Python代码

随机森林回归是一种机器学习算法，它可以利用Python实现。它使用一组决策树来生成预测结果，并通过平均法来提高准确性。 下面是一个简单的Python代码示例，用于实现随机森林回归：from sklearn.ensemble import RandomForestRegressor# 创建随机森林回归模型
regressor = RandomForestRegressor()# 训练模型
regressor.fit(X_train, y_train)# 预测结果
y_pred = regressor.predict(X_test)