from sklearn.ensemble import RandomForestRegressor random_model=RandomForestRegressor(n_estimators=300,random_state=42,n_jobs=-1) random_model.fit(x_train,y_train) y_pred=random_model.predict(x_test) print(random_model.score(x_train,y_train)) print(random_model.score(x_test,y_test))
时间: 2023-12-24 07:37:05 浏览: 132
RandomForest_sklearn.zip_sklearn_sklearn RF_southern9qq_随机森林
这段代码是使用Scikit-learn库中的RandomForestRegressor实现了一个随机森林回归模型,并进行了训练和预测。在训练后,你使用了模型的`score()`方法来评估模型在训练集和测试集上的性能。
`random_model.score(x_train, y_train)`会计算模型在训练集上的R^2得分,用于评估模型对训练数据的拟合程度。而`random_model.score(x_test, y_test)`则计算模型在测试集上的R^2得分,用于评估模型对未见过的数据的预测能力。
R^2得分的取值范围在0到1之间,越接近1表示模型对数据的拟合越好,而越接近0表示模型的预测能力越差。
请注意,这里使用了随机数种子`random_state=42`以确保结果的可重复性,并且通过`n_jobs=-1`参数来启用多线程加速模型的训练过程。
如果你有任何其他问题或需要进一步的解释,请随时提问。
阅读全文