python-随机森林后筛选最重要变量，模型准确率、随机森林混淆矩阵结果

from sklearn.metrics import accuracy_score
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


![在这里插入图片描述](https://img-blog.csdnimg.cn/direct/5728875180a74d048403be4a5e83eb4d.png)


### 2.随机森林混淆矩阵结果

<------------------随机森林混淆矩阵结果----------------------->

# 读取数据

data = pd.read_csv(‘C:\Users\31425\Desktop\新建文件夹\序列\蒿属1.csv’)
labels = data[‘species’]
data = data.drop(‘species’, axis=1)

拆分数据集

train_data, test_data, train_labels, test_labels = train_test_split(data, labels, test_size=0.2, random_state=42)

创建随机森林分类器

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

训练模型

rfc.fit(train_data, train_labels)

进行预测

predictions = rfc.predict(test_data)

计算混淆矩阵

cm = confusion_matrix(test_labels, predictions)
print(cm)

#### 2.1矩阵结果在这里插入图片描述


### 3、随机森林对影响蒺藜科花粉判别的自变量重要性基尼系数排序图

《--------------随机森林对影响蒺藜科花粉判别的自变量重要性基尼系数排序图-------------------》

读取数据

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

将数据集分为自变量和因变量

X = data.drop(‘species’, axis=1)
y = data[‘species’]

自我介绍一下，小编13年上海交大毕业，曾经在小公司待过，也去过华为、OPPO等大厂，18年进入阿里一直到现在。

深知大多数Python工程师，想要提升技能，往往是自己摸索成长或者是报班学习，但对于培训机构动则几千的学费，着实压力不小。自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年Python开发全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友，同时减轻大家的负担。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，基本涵盖了95%以上Python开发知识点，真正体系化！

由于文件比较大，这里只是将部分目录大纲截图出来，每个节点里面都包含大厂面经、学习笔记、源码讲义、实战项目、讲解视频，并且后续会持续更新

如果你觉得这些内容对你有帮助，可以添加V获取：vip1024c （备注Python）

感谢每一个认真阅读我文章的人，看着粉丝一路的上涨和关注，礼尚往来总是要有的：

①　2000多本Python电子书（主流和经典的书籍应该都有了）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）

②　Python标准库资料（最全中文版）

③　项目源码（四五十个有趣且经典的练手项目及源码）

④　Python基础入门、爬虫、web开发、大数据分析方面的视频（适合小白学习）

⑤ Python学习路线图（告别不入流的学习）