python 随机森林

# 导入必要的库
from sklearn.ensemble import RandomForestClassifier
from sklearn.datasets import make_classification
from sklearn.model_selection import train_test_split
from sklearn.metrics import accuracy_score

# 生成一个随机分类数据集
X, y = make_classification(n_samples=1000, n_features=20, n_informative=2, n_redundant=10, random_state=42)

# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=42)

# 初始化随机森林分类器
rf = RandomForestClassifier(n_estimators=100, random_state=42)

# 训练模型
rf.fit(X_train, y_train)

# 预测测试集
y_pred = rf.predict(X_test)

# 计算准确率
accuracy = accuracy_score(y_test, y_pred)
print(f"模型的准确率为: {accuracy:.2f}")

# 解释说明：
# 1. 使用sklearn库中的RandomForestClassifier来创建随机森林分类器。
# 2. 使用make_classification生成一个随机的二分类数据集。
# 3. 使用train_test_split将数据集划分为训练集和测试集。
# 4. 使用fit方法训练随机森林模型。
# 5. 使用predict方法对测试集进行预测，并使用accuracy_score计算模型的准确率。