随机森林模型python语言代码

随机森林（Random Forest）是一种集成学习方法，它由多个决策树组成，每个树都会对数据进行独立预测，并通过投票或平均的方式得到最终结果。Python中可以使用sklearn库来轻松创建随机森林模型。下面是一个简单的例子：

# 导入所需的库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
import numpy as np

# 加载示例数据（这里以鸢尾花数据集为例）
iris = load_iris()
X = iris.data
y = iris.target

# 划分训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 创建随机森林分类器
clf = RandomForestClassifier(n_estimators=100, # 树的数量
                            max_depth=None,   # 如果None，则树将自动调整深度
                            random_state=42)  # 设置随机种子以保证结果可复现

# 训练模型
clf.fit(X_train, y_train)

# 进行预测
y_pred = clf.predict(X_test)

# 查看模型性能
print("Accuracy:", np.mean(y_pred == y_test))

#