给出随机森林进行excel数据分类的python代码

下面是使用随机森林进行Excel数据分类的Python代码示例：

import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 读取Excel文件
data = pd.read_excel('filename.xlsx')

# 将数据集分为训练集和测试集
train_set = data.sample(frac=0.8, random_state=0)
test_set = data.drop(train_set.index)

# 分离特征和目标变量
train_features = train_set.drop('target_variable', axis=1)
train_labels = train_set['target_variable']
test_features = test_set.drop('target_variable', axis=1)
test_labels = test_set['target_variable']

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

# 训练随机森林分类器
rf.fit(train_features, train_labels)

# 预测测试集的目标变量
predictions = rf.predict(test_features)

# 计算准确率
accuracy = accuracy_score(test_labels, predictions)
print('Accuracy:', accuracy)

其中，`filename.xlsx`是Excel文件名，`target_variable`是目标变量列的名称。在代码中，随机森林分类器使用了100个决策树。