Python实战：用随机森林算法精准预测（附代码示例）

要使用Python实现随机森林算法进行预测，首先需要安装scikit-learn库，然后使用其中的RandomForestClassifier或RandomForestRegressor类。以下是一个简单的示例： 1. 安装scikit-learn库： ```bash pip install scikit-learn ``` 2. 使用随机森林算法进行预测的代码： ```python from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score # 加载数据集 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=0.3, 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) # 预测 y_pred = clf.predict(X_test) # 计算准确率 accuracy = accuracy_score(y_test, y_pred) print("Accuracy:", accuracy) ``` 这个示例使用了鸢尾花数据集，通过随机森林分类器对数据进行训练和预测，并计算了预测的准确率。你可以根据自己的需求修改数据集和参数。 ######[AI写代码神器 | 359点数解答 | 2024-06-04 20:36:29]