python随机森林分类案例

---

前言

本文将介绍在数据分析中，一个完整的分析或挖掘的流程是怎么样的，指在帮助读者更好的了解掌握数据分析的整体步骤，通过一个利用随机森林分类器解决一个简单的分类问题：根据客户的年龄、性别和地理位置等特征来预测其购买行为（0表示未购买，1表示已购买），大致展示一个完整的分析流程。

---

一、数据预处理

1.生成示例数据集：

使用NumPy生成了一个包含随机生成的年龄、性别、地理位置和购买历史的示例数据集。使用 numpy 库生成随机的年龄、性别、地理位置和购买历史等数据。将生成的数据整理成一个 DataFrame 对象，其中每一列代表一个特征。

#导入库
import numpy as np
import pandas as pd
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler   #标准化库
from sklearn.ensemble import RandomForestClassifier  #随机森林分类器
from sklearn.metrics import accuracy_score, classification_report  #评价指标
from sklearn.model_selection import GridSearchCV  #网格搜索

# 生成示例数据集
np.random.seed(42)
n_samples = 1000
age = np.random.randint(18, 70, n_samples)
gender = np.random.choice(['Male', 'Female'], n_samples)
location = np.random.choice(['Urban', 'Rural'], n_samples)
purchase_history = np.random.choice([