python随机森林回归代码
以下是一个简单的Python随机森林回归代码示例：```python。
#导入必要的库。
import pandas as pd。
semble import RandomForestRegressor。
del_selection import train_test_split。
ics import mean_squared_error# 读取数据。
random python
data = pd.read_csv('data.csv')# 分离特征和目标变量。
X = data.drop('target', axis=1)。
y = data['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)# 定义随机森林回归模型。
rf = RandomForestRegressor(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)# 计算均方误差。
mse = mean_squared_error(y_test, y_pred)。
print('均方误差：', mse)。
```在这个示例中，我们使用了Pandas库来读取数据，然后使用sklearn库中的train_test_split函数将数据集划分为训练集和测试集。我们定义了一个随机森林回归模型，并使用fit函数训练模型。最后，我们使用predict函数预测测试集，并使用mean_squared_error函数计算均方误差。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。