机器学习——随机森林_# 预测 y_pred = model.predict(x_test)

回归预测

1.划分数据集

读取数据后，先划分出自变量x和因变量y（不做过多解释），然后进行训练集和测试集的划分（划分方法如下）。

from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test = train_test_split(x,y,test_size=0.2)#划分训练集和测试集，20%作为测试集，80%作为训练集

2.模型训练与预测

random_model = RandomForestRegressor(n_estimators=300,random_state=42,n_jobs=-1)
#n_jobs=-1表示训练时所有cpu都用上，可以加快训练速度
 
random_model.fit(x_train,y_train) #进行训练
 
y_pred = random_model.predict(x_test) #进行预测

3.模型打分

random_model.score(x_train,y_train)  #评估训练集的准确度
#对训练集进行预测，与实际值y_train进行比较
 
random_model.score(x_test,y_test)  #评估测试集的准确度
#对测试集进行预测，与实际值y_test进行比较