随机森林算法python代码

以下是一个简单的随机森林算法的Python代码示例：

from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 将数据集拆分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 创建随机森林分类器对象
rfc = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练随机森林分类器
rfc.fit(X_train, y_train)

# 预测测试集
y_pred = rfc.predict(X_test)

# 评估模型
accuracy = rfc.score(X_test, y_test)
print("Accuracy:", accuracy)

在这个示例中，我们使用Scikit-learn库的RandomForestClassifier类来实现随机森林算法。我们首先加载Iris数据集，将其拆分为训练集和测试集，然后创建一个包含100个决策树的随机森林分类器对象。我们使用fit()函数训练分类器，并使用predict()函数对测试集进行预测。最后，我们使用score()函数计算模型的准确性并输出结果。