猴痘数据运用随机森林算法预测代码

好的，以下是一个基于Python语言和Scikit-learn库实现的猴痘数据运用随机森林算法预测的示例代码：

# 导入需要的模块和库
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import accuracy_score

# 读取猴痘数据集
df = pd.read_csv("monkeypox.csv")

# 分离特征和标签
X = df.iloc[:, :-1]
y = df.iloc[:, -1]

# 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=42)

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

# 拟合模型并进行预测
rf.fit(X_train, y_train)
y_pred = rf.predict(X_test)

# 计算精度
accuracy = accuracy_score(y_test, y_pred)
print("Accuracy: {:.2f}%".format(accuracy * 100))

这段代码首先使用Pandas库读取了一个名为"monkeypox.csv"的猴痘数据集，然后将数据集分为特征和标签。接着，将数据集分为训练集和测试集，并创建了一个含有100个决策树的随机森林模型。最后，使用测试集进行预测并计算了预测精度。如果您有任何疑问或需要进一步的解释，请随时向我提问。