只有两个变量的随机森林预测代码

好的，以下是一个简单的只有两个变量的随机森林预测代码示例：

# 导入需要的库
from sklearn.ensemble import RandomForestRegressor
from sklearn.model_selection import train_test_split
import numpy as np

# 创建随机数据集
X = np.random.rand(100, 2)
y = X[:, 0] + X[:, 1]

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建随机森林模型并训练
rf = RandomForestRegressor(n_estimators=100, random_state=42)
rf.fit(X_train, y_train)

# 预测测试集结果
y_pred = rf.predict(X_test)

# 输出模型评估结果
print("随机森林模型的R^2得分为: {:.2f}".format(rf.score(X_test, y_test)))

这段代码主要包括以下几个步骤：

1. 导入需要的库，包括随机森林模型和数据集划分库等。
2. 创建一个只含有两个变量的随机数据集，并用这两个变量的和作为目标变量。
3. 将数据集划分为训练集和测试集。
4. 创建一个随机森林回归模型，并使用训练集对模型进行训练。
5. 使用测试集进行预测，并输出模型评估结果。

在这个示例中，我们使用了随机森林回归模型来预测目标变量。您可以根据自己的数据集和问题选择合适的模型和参数进行预测。