随机森林实战（python）

前言

随机森林Python版本有很可以调用的库，使用随机森林非常方便，主要用到以下的库：

• sklearn
• pandas
• numpy ### 随机森林入门 我们先通过一段代码来了解Python中如何使用随机森林。 ``` from sklearn.datasets import load_iris from sklearn.ensemble import RandomForestClassifier import pandas as pd import numpy as np

• iris = load_iris() # 这里是sklearn中自带的一部分数据
  df = pd.DataFrame(iris.data, columns=iris.feature_names) # 格式化数据
  print (df) #
  df[‘is_train’] = np.random.uniform(0, 1, len(df)) <= .75
  df[‘species’] = pd.Categorical.from_codes(iris.target, iris.target_names) ## 新接口 数据
  df.head()

  train, test = df[df[‘is_train’]==True], df[df[‘is_train’]==False]

  features = df.columns[:4]
  clf = RandomForestClassifier(n_jobs=2)
  y, _ = pd.factorize(train[‘species’])
  clf.fit(train[features], y) # 用train来训练样本

  test_pred=clf.predict(test[features]) #用测试数据来做预测
  preds = iris.target_names[test_pred]
  pd.crosstab(test[‘species’], preds, rownames=[‘actual’], colnames=[‘preds’])

  上述是一个利用sklearn的数据做的
  ### kaggle-美国人口普查年收入比赛
  现在我们在kaggle上的数据集上做一次实验，这个数据集有训练集和测试集，训练集便于我们训练模型，测试集用来校验我们模型的正确性，这是最简单的。
  <li>需要导入的库
  

  import pandas as pd # load csv’s (pd.read_csv)
  import numpy as np # math (lin.