from sklearn.ensemble import RandomForestClassifier from sklearn.metrics import accuracy_score from sklearn.model_selection import train_test_split from sklearn.datasets import load_iris from sklearn.externals import joblib

加载鸢尾花数据集

iris = load_iris()

将数据集分为训练集和测试集

X_train, X_test, y_train, y_test = train_test_split(iris.data, iris.target, test_size=0.2, random_state=42)

创建随机森林模型

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

训练模型

rf.fit(X_train, y_train)

预测测试集

y_pred = rf.predict(X_test)

计算准确率

accuracy = accuracy_score(y_test, y_pred) print('随机森林模型的准确率为：', accuracy)

保存最佳模型

joblib.dump(rf, 'best_model.pkl')

加载最佳模型

best_model = joblib.load('best_model.pkl')

加载新的数据

new_data = [[5.1, 3.5, 1.4, 0.2], [6.2, 3.4, 5.4, 2.3], [4.9, 2.5, 4.5, 1.7]]

使用最佳模型进行预测

new_pred = best_model.predict(new_data)

print('新数据的预测结果为：', new_pred)