帮我写一段Python 代码，现在数据表里的特征有年龄，车型，受教育程度和职业，自变量有工资，三个特征都是文字型变量，而且每一个文字型变量都有30种分类，帮我在建模钱对这三个特征进行嵌入式编码，不要用到keras 这个包，并且用随机森林建模预测工资，编码方式用嵌入式编码，因为特征变量种类多，你自己虚构数据表

好的，以下是一个简单的示例代码，用于将文本型变量进行嵌入式编码，并使用随机森林模型预测工资：

import numpy as np
from sklearn.ensemble import RandomForestRegressor
from sklearn.preprocessing import LabelEncoder

# 虚构数据表
data = np.random.randint(0, 30, size=(1000, 4))
target = np.random.randint(1000, 5000, size=(1000,))

# 对文本型变量进行嵌入式编码
label_encoders = []
encoded_data = np.zeros((data.shape[0], 3 * 10))
for i in range(3):
    le = LabelEncoder()
    encoded = le.fit_transform(data[:, i])
    label_encoders.append(le)
    encoded_data[:, i*10:(i+1)*10] = np.eye(10)[encoded]

# 使用随机森林模型预测工资
rf = RandomForestRegressor()
rf.fit(encoded_data, target)

在这个代码中，我们使用了`LabelEncoder`类将文本型变量进行编码，同时使用`np.eye()`函数将编码后的特征转换成嵌入式编码表示。最后，我们使用`RandomForestRegressor`类来训练随机森林模型，并用编码后的特征进行预测。