鸢尾花——随机森林分类模型(RandomForestClassifier)

采用随机森林分类模型(RandomForestClassifier)再次训练上述鸢尾花数据集，具体要求如下：

1、使用pandas库再次读取数据集，得到相应矩阵，并进项相应的数据预处理：包括数据标准化与鸢尾花类别编码等。

2、采用决策树模型训练鸢尾花数据集，测试集取30%，训练集取70%。

3、特征选择标准criterion请选择 “entropy”，随机森林的子树个数“n_estimators”取值为10，在控制台打印出其测试集正确率。请分析该正确率是否比决策树分类模型正确率更高。

4、为了提升模型的泛化能力，请分别使用十折交叉验证，确定随机森林分类模型的参数max_depth（子树的最大深度）与n_estimators（子树个数）的最优取值。max_depth取值范围为1-5，n_estimators的取值范围为1-20。请在控制台输出这两个参数的最优取值。

from sklearn.model_selection import GridSearchCV
from sklearn.tree import DecisionTreeClassifier
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import LabelEncoder
import pandas as pd
from sklearn.model_selection import ShuffleSplit
from sklearn.model_selection import cross_val_s