### 数据准备与预处理 为了实现随机森林算法并对给定的数据进行分析，首先需要加载和整合两个Excel文件中的数据。这可以通过`pandas`库来完成。假设第一个Excel文件包含城市年份、名义GDP、GDP指数、实际GDP和平减指数的信息，而第二个Excel文件则记录了高铁通行频次的相关数据。 #### 合并Excel数据 ```python import pandas as pd # 加载Excel文件 file1 = 'gdp_data.xlsx' file2 = 'high_speed_rail_frequency.xlsx' data_gdp = pd.read_excel(file1) data_hsr = pd.read_excel(file2) # 假设两个表都含有'City'和'Year'字段用于匹配 merged_data = pd.merge(data_gdp, data_hsr, on=['City', 'Year'], how='inner') # 查看合并后的数据结构 print(merged_data.head()) ``` 通过上述代码，可以将两部分数据依据共同的关键字（如城市名称和年份）进行连接[^2]。 ### 特征工程 在构建模型之前，通常需要对原始数据执行一些转换操作以提高预测效果。例如标准化数值型变量或者创建新的交互项等。 ```python from sklearn.preprocessing import StandardScaler # 提取特征列名 feature_columns = ['Nominal GDP', 'GDP Index', 'Real GDP', 'GDP Deflator', 'HSR Frequency'] # 对选定的连续型特征实施标准缩放 scaler = StandardScaler() scaled_features = scaler.fit_transform(merged_data[feature_columns]) # 将变换后的数组重新赋值回DataFrame对象中去 for idx, col in enumerate(feature_columns): merged_data[col] = scaled_features[:,idx] # 如果存在缺失值，则可以选择填充方法填补它们 merged_data.fillna(method='ffill', inplace=True) # 使用前向填充法补全NA单元格 ``` 这里采用了Z-score标准化技术使得各维度具有相同的尺度范围以便于后续计算过程更加稳定高效[^3]。 ### 构建随机森林回归模型 接着定义目标响应变量y，并划分训练集与验证集合；最后实例化RandomForestRegressor类建立最终的学习器。 ```python from sklearn.model_selection import train_test_split from sklearn.ensemble import RandomForestRegressor from sklearn.metrics import mean_squared_error # 设定因变量Y为目标指标比如说是某一年度内的经济增长速度百分比形式表示出来。 target_column = 'Economic Growth Rate (%)' X = merged_data[feature_columns].values y = merged_data[target_column].values # 分割样本组成为70%作为train set 和其余30 %test set . X_train, X_val, y_train, y_val = train_test_split(X, y,test_size=.3 ,random_state=42 ) # 初始化RF regressor 设置树木数量为50棵最大深度不超过8层叶子节点最少含样例数不低于5个. rf_reg = RandomForestRegressor(n_estimators=50,max_depth=None,min_samples_leaf=5,oob_score=True,n_jobs=-1 ) rf_reg.fit(X_train,y_train) # 输出袋外误差估计oob score 来评估泛化能力的好坏程度. print('OOB Score:', rf_reg.oob_score_) # 应用到测试集中得到预测结果并与真实标签对比查看均方根偏差大小情况. predictions = rf_reg.predict(X_val) rmse = np.sqrt(mean_squared_error(y_val,predictions)) print(f'Validation RMSE: {rmse}') ``` 该脚本片段展示了完整的流程从读入外部源直至运用随机森林来进行经济领域内特定问题的研究工作流图景[^4]。