随机森林分类算法python代码

以下是使用Python实现随机森林分类算法的代码示例：

# 导入必要的包
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split

# 生成模拟数据
X, y = make_classification(n_samples=1000, n_features=10, n_classes=2, random_state=123)

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=123)

# 创建随机森林分类器
rfc = RandomForestClassifier(n_estimators=100, random_state=123)

# 拟合训练数据
rfc.fit(X_train, y_train)

# 使用测试数据进行预测
y_pred = rfc.predict(X_test)

# 计算模型的准确率
accuracy = rfc.score(X_test, y_test)
print("Accuracy:", accuracy)

在此示例中，我们使用`make_classification`函数生成一个模拟数据集，并将其拆分为训练集和测试集。然后，我们创建一个随机森林分类器，并使用`fit`方法进行拟合。最后，我们使用`predict`方法对测试数据进行预测，并计算模型的准确率。