【数据分类】利用随机森林的方法进行数据分类

关于随机森林的原理，可以参考这篇博文：
随机森林算法及其实现（Random Forest）
随机森林原理介绍与适用情况（综述篇）

关于sklearn中随机森林分类器参数和属性和含义（中文版），可以参考这篇博文：
sklearn随机森林分类类RandomForestClassifier

下面用一个类来实现随机森林：

from sklearn.ensemble import RandomForestClassifier

class CipvRandomForest():
    def __init__(self):
        self.crfmodel = RandomForestClassifier()

    def train(self,features,labels):
        self.crfmodel.fit(features,labels)#训练

    def get_prediction(self,features):
        return self.crfmodel.predict([features])#预测（注意细节，这边的feature要求输入2D数组，因此要在原有1D数组的基础上加个[]。

如果要对模型得到的结果进行预测，可以用以下的函数：

def test_model(policy,features,labels):
    success_time=0
    for i in range(len(features)):
        label_got=policy.get_prediction(features[i])
        if label_got==labels[i]:
            success_time +=1
    success_rate = success_time/len(features)
    print('success rate',success_rate)
    return 0