Python 随机森林分类、变异系数和试验集预测

我一直在阅读随机森林文档，我对如何将交叉验证模型（基于训练数据）应用于测试数据以进行分类预测感到困惑

我的代码如下，但我不知道如何使用它来预测？通常情况下，你会拟合模型，然后调用predict，但我读到你不必对Random Forest调用“fit”——那么，如果我没有先调用fit，我该如何调用predict呢？真糊涂

`clf = RandomForestClassifier(n_estimators=10, max_depth=None,
   min_samples_split=2, random_state=0)
   scores = cross_val_score(clf, X_train, y_train, cv = 10, scoring='precision')                      
   y_pred = clf.predict(X_test)`

---

#未安装错误：估计器未安装，请在使用模型之前调用

fit

。

您需要在

X\u列

和

y\u列

上再次安装（）模型。看看我的。谢谢Vivek，所以从编码的角度来看，我现在如何将“分数”（现在定义）输入到我的预测中？我不明白。你能再解释一下吗？现在分数已经应用了CV，那么我如何用我刚刚定义的新分数对象调用predict呢？通过执行

cross\u val\u score（）

得到的

scores变量是从估算器返回的每个CV倍的分数数组。它不能用于
predict（）
方法。为什么要在
predict（）
方法中使用它？