Python 随机森林实战：预测用户购车意向
这次我们用 scikit-learn 里的随机森林分类器，完整做一遍'用户购车意向预测'。从数据读取、特征编码，到模型训练、评估和新样本预测，流程都尽量按真实项目的节奏来走。
随机森林适合这类分类任务：它通过多棵决策树的随机采样和投票机制，通常比单棵树更稳，不容易过拟合；同时也能比较自然地处理已经编码后的类别特征。对于这份只有 30 条样本的小数据，它不一定能给出很高的准确率，但足够把一套标准机器学习流程跑通，也方便我们观察特征和结果之间的关系。
项目背景与数据说明
使用的数据集是 ods_bye_car_info.csv，总共 30 条用户记录，字段如下：
- 特征列：
age（年龄）、gender（性别）、annual_income（年收入）、marital_status（婚姻状况） - 标签列：
buy_car_sign（是否购车，取值为'是 / 否'）
环境准备
先导入后面会用到的库：数据处理、编码、划分训练集，以及随机森林和分类评估。
import numpy as np
import pandas as pd
from sklearn import preprocessing
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier
from sklearn.metrics import classification_report
加载数据并初步查看
先把 CSV 读进来。这里文件是中文编码，读取时用 gb2312 更稳妥。
data = pd.read_csv('ods_bye_car_info.csv', encoding='gb2312')
data.head(2)
接着看看数据类型和标签分布。info() 可以快速确认有没有缺失值、字段类型是否符合预期；value_counts() 则能看出'是 / 否'样本是否均衡。
data.info()
data['buy_car_sign'].value_counts()
特征预处理：把类别文本转成数值
随机森林本身只能处理数值型数据，所以像 age、gender 这类文本特征，需要先编码。这里用 OrdinalEncoder 把每个类别映射成整数。
x = data[['age', 'gender', 'annual_income', 'marital_status']].values
y = data[].values
encoder = preprocessing.OrdinalEncoder()
encoder.fit(x)
