共計 776 個字符，預計需要花費 2 分鐘才能閱讀完成。

下面是一個簡單的示例代碼，演示了如何使用 Python 的 sklearn 庫中的隨機森林分類算法進行分類：

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

# 加載數據集
iris = load_iris()
X, y = iris.data, iris.target

# 劃分訓練集和測試集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.2, random_state=42)

# 創建隨機森林分類器
rf_classifier = RandomForestClassifier(n_estimators=100, random_state=42)

# 在訓練集上訓練隨機森林分類器
rf_classifier.fit(X_train, y_train)

# 在測試集上進行預測
y_pred = rf_classifier.predict(X_test)

# 計算準確率
accuracy = accuracy_score(y_test, y_pred)
print(" 準確率:", accuracy)

在上面的代碼中，首先我們使用 load_iris 函數加載了一個經典的鳶尾花數據集作為示例數據。然后，使用 train_test_split 函數將數據集劃分為訓練集和測試集。接下來，我們創建了一個參數中指定了 100 個決策樹的隨機森林分類器，并使用訓練集對其進行訓練。最后，使用訓練好的模型對測試集進行預測，并計算預測準確率。

丸趣 TV 網 – 提供最優質的資源集合！