随机森林预测r语言代码

以下是一个使用随机森林进行预测的 R 语言代码示例：

# 加载随机森林包
library(randomForest)

# 读取数据
data <- read.csv("data.csv")

# 分割数据为特征和目标变量
x <- data[, -ncol(data)]
y <- data[, ncol(data)]

# 将数据拆分为训练集和测试集
set.seed(123)
train_index <- sample(1:nrow(data), size = 0.7*nrow(data), replace = FALSE)
train_x <- x[train_index, ]
train_y <- y[train_index]
test_x <- x[-train_index, ]
test_y <- y[-train_index]

# 训练随机森林模型
rf_model <- randomForest(train_x, train_y, ntree = 500, mtry = sqrt(ncol(train_x)))

# 预测测试集数据
predictions <- predict(rf_model, test_x)

# 计算预测准确率
accuracy <- mean(predictions == test_y)
print(paste("Accuracy:", accuracy))

在这个例子中，我们使用 `randomForest` 包来训练一个随机森林模型。我们首先读取数据，然后将其分为特征和目标变量。我们随机拆分数据为训练集和测试集，然后使用 `randomForest` 函数来训练模型。我们在这里使用了 500 棵树和 $\sqrt{n}$ 个特征来进行拆分。最后，我们使用训练好的模型来预测测试集数据，并计算预测准确率。