随机森林模型：高准抗扰利器，Python 代码实现分类示例

随机森林是一种集成学习算法，它通过构建多个决策树并综合它们的预测结果来进行决策。其具有较高的准确性、抗过拟合能力和对噪声数据的容忍度。在数据分类和回归任务中应用广泛。 以下是一个使用 Python 实现随机森林分类的简单示例代码： ```python from sklearn.ensemble import RandomForestClassifier from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.metrics import accuracy_score # 加载鸢尾花数据集 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, random_state=42) # 训练模型 clf.fit(X_train, y_train) # 在测试集上进行预测 y_pred = clf.predict(X_test) # 计算准确率 print('准确率:', accuracy_score(y_test, y_pred)) ``` ######[AI问答 | 254点数解答 | 2025-04-22 21:04:18]