python-随机森林后筛选最重要变量，模型准确率

from sklearn.metrics import confusion_matrix
import matplotlib.pyplot as plt

1、模型准确率

<------------随机森林模型运行结果-------------->

读取数据

df = pd.read_csv(‘C:\Users\31425\Desktop\新建文件夹\序列\蒿属1.csv’)

分离特征和目标变量

X = df.iloc[:, 1:-1]
y = df.iloc[:, -1]

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=0.2, random_state=42)

创建随机森林模型

rf = RandomForestClassifier(n_estimators=100, random_state=42)

在训练集上拟合模型

rf.fit(X_train, y_train)

在测试集上进行预测

y_pred = rf.predict(X_test)

计算模型准确率

accuracy = accuracy_score(y_test, y_pred)
print(“模型准确率:”, accuracy)

1.1、对应输出