根据上面的代码写一个随机森林预测模型

好的，以下是一个基于随机森林的预测模型的代码示例：

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

# 加载数据
data = pd.read_csv("data.csv")

# 拆分数据集
X = data.drop('target', axis=1)
y = data['target']
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林模型
rf = RandomForestClassifier(n_estimators=100, random_state=42)

# 在训练集上训练模型
rf.fit(X_train, y_train)

# 在测试集上进行预测
y_pred = rf.predict(X_test)

# 计算模型准确率
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy:", accuracy)

这个示例代码中，我们首先使用pandas库加载数据集。然后，使用train_test_split函数将数据集拆分为训练集和测试集。接着，我们创建了一个随机森林模型，使用训练集对其进行训练。最后，使用测试集进行模型预测，并计算模型的准确率。