RandomForestClassifier

随机森林是一种元估计器，它适用于数据集的各个子样本上的多个决策树分类器，并使用平均来提高预测精度和控制过拟合。

一个简单的用法示例：

导入：

from sklearn.ensemble import RandomForestClassifier

定义列车数据和目标数据：

train = [[1,2,3],[2,5,1],[2,1,7]]
target = [0,1,0]

target 中的值表示你要预测的标签。

启动 RandomForest 对象并执行 learn(fit)：

rf = RandomForestClassifier(n_estimators=100)
rf.fit(train, target)

预测：

test = [2,2,3]
predicted = rf.predict(test)